结合残差动态图卷积与特征强化的点云分类

摘要：

针对提高点云分类性能和鲁棒性的需求,本文提出将残差动态图卷积与特征强化相结合的点云分类网络.采用多方向编码方法,在局部邻域中心点的空间多方向上选取近邻点,丰富点云特征;通过残差动态图卷积提取特征,以残差结构对局部特征和全局特征进行深度融合,有效缓解网络退化问题;构造强化空间注意力模块,使得网络在空间域中学习自适应地为不同邻域特征分配权重,增强有用特征,并抑制冗余特征;使用高低层次链接,保留更多特性信息.实验表明:本文模型在ModelNet10、ModelNe40数据集上的总体分类精度分别达到94.81％、93.62％,分类精度更高,鲁棒性更强,优于现有先进方法.

关键词：点云分类、残差学习、动态图卷积、空间注意力、鲁棒性

所属期刊栏目：41

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金62171145

在线出版日期：2023-10-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：37-48