测绘科学

2021, v.46;No.279(09) 61-66+93

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

顾及局部特征的深度学习点云分类研究
Research on deep learning for point cloud classification considering local features

丁海勇;孙月霞;徐田野;

摘要(Abstract):

针对PointNet深度学习算法可以直接处理无序点云并取得了良好的精度,但是缺乏对局部信息学习过程的问题,该文基于图卷积模型,在PointNet基础上构造层次化的K邻域图,扩大局部感受野,获得高层次的特征抽象,有效提取了点云的局部特征从而提高了分类精度。分类实验在ModelNet40数据集上进行,取得了91.2%的测试精度。研究结果表明,该文提出的算法比PointNet分类结果高出2.0%,同时本文构造的分类网络鲁棒性优于PointNet算法,为点云分类工作提供了一种有效思路。

关键词(KeyWords): 点云分类;深度学习;PointNet;图卷积;KNN

Abstract:

Keywords:

基金项目(Foundation): 国家自然科学基金项目(41571350);; 江苏省大学生实践训练计划项目(201810300044Z)

作者(Author): 丁海勇;孙月霞;徐田野;

Email:

DOI: 10.16251/j.cnki.1009-2307.2021.09.008

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享