典型文献
BTDGCNN:面向三维点云拓扑结构的BallTree动态图卷积神经网络
文献摘要：
点云卷积网络对点云进行分割分类时,独立提取点云特征却忽略了点之间的几何关联,从而丢失了许多局部特征.而对稀疏、无结构、无序的点云进行输入转换则会导致数据变得更加庞大,卷积效率降低.为此构建了面向三维点云拓扑结构的BallTree动态图卷积神经网络,利用Bat-Net变换网络(BallTree transfromation network)对初始无序点云进行空间变换,恢复点云的拓扑结构和距离向量,提高点云中各个点间的关联性,结合三层BAT边卷积模块(BallTree edge convolution network),提升其信息表征能力,以便更好地进行分类分割任务.实验结果表明,该方法在ModelNet40数据集上的分类性能均优于其他五种方法,分别提高了4.4％、2.9％、1.3％、2％和1.4％.同时在ShapeNet Parts数据集上的分割的平均交并比分别提高了1.7％、0.3％、0.3％、0.3％、0.3％,有效地提升了三维点云的分类分割性能.
文献关键词：
三维点云;图卷积神经网络;分类;分割
中图分类号：
作者姓名：
张学典;方慧
作者机构：
上海理工大学光电信息与计算机工程学院,上海200093
文献出处：
引用格式：
[1]张学典;方慧-.BTDGCNN:面向三维点云拓扑结构的BallTree动态图卷积神经网络)[J].小型微型计算机系统,2022(11):2342-2347
A类：
BTDGCNN,BallTree,transfromation
B类：
三维点云,拓扑结构,动态图卷积,图卷积神经网络,卷积网络,取点,点云特征,局部特征,无结,积效,Bat,变换网络,network,行空,空间变换,离向,高点,云中,BAT,卷积模块,edge,convolution,信息表征,表征能力,分类分割,ModelNet40,分类性能,ShapeNet,Parts,平均交并比
AB值：
0.333866
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
