RandLA-Net-Enhanced
原代码论文主要贡献：提出更快的点云语义分割模型。
对比现有的采样方法，发现随机采样最好。
为了减小随机采样丢失的信息，提出局部特征采样器，包括 Local Spatial Encoding (LocSE) 和 Attentive Pooling。
下为此代码对应文献信息。
@article{hu2019randla,
title={RandLA-Net: Efficient Semantic Segmentation of Large-Scale Point Clouds},
author={Hu, Qingyong and Yang, Bo and Xie, Linhai and Rosa, Stefano and Guo, Yulan and Wang, Zhihua and Trigoni, Niki and Markham, Andr
2022-05-09 14:58:35
374.85MB
1
为提高网络编码的安全性提出了一种在信源处使用混沌序列与信源信息相结合，在信宿处列表译码的安全网络编码算法。该算法使用改进型Logistic映射产生混沌序列对信源消息进行处理，传输过程保持原有网络编码体制不变，可以抵抗多种窃听和污染攻击。经过系统仿真及理论分析可知，该算法舍弃部分带宽来保证网络的安全性，以较小的开销达到了信息论安全的要求。最终实现了混沌序列在安全网络编码算法中的应用。
2022-05-09 06:54:37
793KB
1
人工智能-机器学习-结构地基动力相互作用计算模型的改进及其工程应用.pdf
2022-05-08 19:08:41
11.26MB