| 基于多尺度动态图卷积网络的3D点云分类 |
| |
| 引用本文： | 梁振明,翟正利,周炜.基于多尺度动态图卷积网络的3D点云分类[J].计算机应用与软件,2021,38(5):263-267,306. |
| |
| 作者姓名： | 梁振明 翟正利 周炜 |
| |
| 作者单位： | 青岛理工大学信息与控制工程学院 山东 青岛266520 |
| |
| 摘 要： | 3D点云数据是一种不规则性数据,传统卷积神经网络无法直接对3D点云数据进行处理.对此,提出一种基于多尺度动态图卷积网络的3D点云分类模型.利用最远点采样方法采样3D点云数据集的代表点,降低模型计算复杂度;利用不同尺度的k最邻近节点聚合方式,对图中每一个中心节点的k最邻近节点进行定位;利用边卷积操作对中心节点及其邻接节点的局部属性特征进行提取与聚合用于分类.实验表明,该模型在3D点云分类准确度上,达到了比当前主流模型更高的水平,并且大幅降低了模型生成参数的数量.
|
| 关 键 词： | 3D点云 最远点采样 k最邻近聚合 边卷积 图卷积神经网络 |
3D POINT CLOUDS CLASSIFICATION BASED ON MULTI-SCALE DYNAMIC GRAPH CONVOLUTION NETWORK |
| |
| Liang Zhenming,Zhai Zhengli,Zhou Wei.3D POINT CLOUDS CLASSIFICATION BASED ON MULTI-SCALE DYNAMIC GRAPH CONVOLUTION NETWORK[J].Computer Applications and Software,2021,38(5):263-267,306. |
| |
| Authors: | Liang Zhenming Zhai Zhengli Zhou Wei |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
