典型文献
基于局部-非局部交互卷积的3D点云分类
文献摘要：
现阶段点云分类研究已被广泛应用于机器人操作、自主驾驶和虚拟现实等多个领域,提取既丰富又具有高判别能力的特征是3D点云分类的关键.为此,文中设计基于局部-非局部交互卷积的3D点云分类算法,改善点云的特征提取.首先,构造局部-非局部交互卷积模块,在获取局部相似特征和非局部相似特征的基础上,采用交互增强,缓解单个邻域在表示封闭区域时存在的冗余问题,增强网络的层次性和稳定性,同时也缓解网络的退化问题.然后,以该模块为基本单元构建卷积神经网络.最后,采用自适应特征融合,充分利用不同层次的特征,实现3D点云的分类.在ModelNet40、ScanObjectNN基准数据集上的实验表明,文中算法性能较优.
文献关键词：
深度学习;点云分类;局部-非局部交互卷积;自适应特征融合
中图分类号：
作者姓名：
芦新宇;杨冰;叶海良;曹飞龙
作者机构：
中国计量大学 理学院 应用数学系 杭州310018
文献出处：
引用格式：
[1]芦新宇;杨冰;叶海良;曹飞龙-.基于局部-非局部交互卷积的3D点云分类)[J].模式识别与人工智能,2022(02):141-149
A类：
ScanObjectNN
B类：
非局部,点云分类,分类研究,机器人操作,中设计,分类算法,卷积模块,邻域,封闭区,层次性,基本单元,单元构建,自适应特征融合,不同层次,ModelNet40,基准数据集,算法性能
AB值：
0.26848
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。
