顾及局部特征的深度学习点云分类研究
针对PointNet深度学习算法可以直接处理无序点云并取得了良好的精度,但是缺乏对局部信息学习过程的问题,该文基于图卷积模型,在PointNet基础上构造层次化的K邻域图,扩大局部感受野,获得高层次的特征抽象,有效提取了点云的局部特征从而提高了分类精度.分类实验在ModelNet40数据集上进行,取得了91.2%的测试精度.研究结果表明,该文提出的算法比PointNet分类结果高出2.0%,同时本文构造的分类网络鲁棒性优于PointNet算法,为点云分类工作提供了一种有效思路.
点云分类;深度学习;PointNet;图卷积;KNN
46
P237(摄影测量学与测绘遥感)
国家自然科学基金项目;江苏省大学生实践训练计划项目
2021-10-22(万方平台首次上网日期,不代表论文的发表时间)
共7页
61-66,93