|
|||||
|
|
| PVS-CNN:子流稀疏卷积优化的Point-Voxel CNN | |
| 作者姓名： | 孙亚兰 林云汉 |
| 作者单位： | 1. 武汉科技大学计算机科学与技术学院;2. 智能信息处理与实时工业系统湖北省重点实验室 |
| 基金项目： | 湖北省自然科学基金青年项目（2020CFB116）；;国家自然科学基金项目（62073249）；;湖北省教育厅科学研究计划中青年人才项目（Q20191108）； |
| 摘 要： | 针对经典的三维卷积网络在模型较大的场景上分割和检测的效率低和内存占用大的问题，提出PVS-CNN网络框架，通过更新哈希表和特征稀疏矩阵的方式实现了效率高且占用低的三维卷积，引用子流稀疏卷积改进PV-Conv。将PVS-CNN在ShapeNet和S3DIS数据集上进行评估，实验结果表明，所提出的PVS-CNN比PVCNN快3.6倍，GPU内存占用仅为PVCNN的0.55倍。在目标检测上，与F-PVCNN相比，PVS-CNN在时间效率和检测精度上全面优于F-PVCNN。 |
| 关 键 词： | 三维点云 效率 内存占用 分割 目标检测 子流稀疏卷积 |