| 基于残差边卷积的3D点云分类算法 |
| |
| 引用本文： | 杜子金,曹飞龙,叶海良,梁吉业.基于残差边卷积的3D点云分类算法[J].模式识别与人工智能,2021,34(9):836-843. |
| |
| 作者姓名： | 杜子金 曹飞龙 叶海良 梁吉业 |
| |
| 作者单位： | 中国计量大学 理学院 杭州310018;山西大学 计算智能与中文信息处理教育部重点实验室 太原030006 |
| |
| 基金项目： | 国家自然科学基金项目(No.62032022,62006215,61876103) 资助 |
| |
| 摘 要： | 3D点云的不规则性与无序性使点云的分类仍具有挑战性.针对上述问题,文中设计基于残差边卷积的3D点云分类算法,可直接从点云学习到具有区分度的形状描述子,用于目标分类.首先,设计具有残差学习的边卷积模块,用于点云的特征提取.通过K近邻算法,该边卷积模块在输入点云上构建局部图,使用卷积及最大池化进行局部特征的提取与聚合.然后,通过多层感知器从原始点特征中提取全局特征,并以残差学习的方式与局部特征结合.最后,以该卷积块为基本单元,构建深度神经卷积网络,实现3D点云的分类.文中方法较全面地考虑点云局部特征与全局特征的有机结合,网络具有更深层次的结构,最终得到的形状描述子更抽象,具有更高的区分度.在具有挑战性的ModelNet40、ScanObjectNN数据集上的实验证实文中方法的分类性能较优.
|
| 关 键 词： | 深度学习 卷积神经网络 分类 点云 |
| 收稿时间： | 2021-02-08 |
3D Point Cloud Classification Algorithm Based on Residual Edge Convolution |
| |
| DU Zijin,CAO Feilong,YE Hailiang,LIANG Jiye.3D Point Cloud Classification Algorithm Based on Residual Edge Convolution[J].Pattern Recognition and Artificial Intelligence,2021,34(9):836-843. |
| |
| Authors: | DU Zijin CAO Feilong YE Hailiang LIANG Jiye |
| |
| Affiliation: | 1. College of Sciences, China Jiliang University, Hangzhou 310018
2. Key Laboratory of Computational Intelligence and Chinese Information Processing of Ministry of Education, Shanxi University, Taiyuan 030006 |
| |
| Abstract: | |
| |
| Keywords: | Deep Learning Convolutional Neural Network Classification Point Cloud |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《模式识别与人工智能》浏览原始摘要信息 |
|
点击此处可从《模式识别与人工智能》下载全文 |
|
