基于通道分离机制的双分支点云处理网络

摘要：

本文在PointMLP方法的基础上,提出了基于通道分离机制的双分支网络模块(Channel-splited Based Dual-branch Block,CDBlock).CDBlock将输入特征在通道维度上切分成两组特征,并将它们输入到双分支网络模块中的不同网络分支上.具体地,双分支网络模块包括轻量网络分支和深层网络分支.轻量网络分支由残差多层感知机(Multi-layer Perceptron,MLP)结构组成,负责提取浅层特征信息.深层网络分支由瓶颈网络结构组成,负责提取深层语义信息.CDBlock的引入提升了网络的对点云数据的特征提取能力和学习能力,有效地提高了模型的鲁棒性.本文方法在点云分类数据集ScanObjectNN上进行了验证,总体精度和类别平均精度分别达到了86.2%和84.97%,优于PointMLP.此外,本文方法在点云分割数据集ShapeNetPart上也取得了具有竞争力的结果.相比于PointMLP,本文方法在使用更少的参数量和计算量情况下取得了更优异的结果.

关键词：三维点云、深度学习、多分支、残差网络

所属期刊栏目：40

分类号：TP391.4;TP181(计算技术、计算机技术)

资助基金：广东省自然科学基金资助项目2021A1515011867

在线出版日期：2023-08-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：18-23