典型文献
一种探讨点云深度学习决策的PointNet++解析网络
文献摘要：
针对三维点云数据分类深度学习可解释性研究,提出一种探讨点云深度学习决策的PointNet++解析网络,探索隐藏在PointNet++网络中的特征信息.根据二维图像解译工作中的类激活映射图,提出了三维点云的类激活映射图,并将点云类激活映射图作为探索PointNet++网络分类决策的依据,采用多层感知机取代全连接层,并使用均值池化层来聚合卷积特征.实验数据为ModelNet40数据集,验证了所提出的PointNet++解析网络的可行性.研究结果表明,所提算法达到了较高的分类精度并且能够对Point-Net++分类决策进行探讨,提取直接有助于决策制定的特征区域.
文献关键词：
点云;深度学习;PointNet++;解析网络
中图分类号：
作者姓名：
龚国栋;李耀斌;花向红;赵不钒;卢荣
作者机构：
广州市城市规划勘测设计研究院,广东广州,510030;武汉大学测绘学院,湖北武汉,430079;武汉大学灾害监测与防治研究中心,湖北武汉,430079
文献出处：
引用格式：
[1]龚国栋;李耀斌;花向红;赵不钒;卢荣-.一种探讨点云深度学习决策的PointNet++解析网络)[J].测绘地理信息,2022(06):50-54
A类：
B类：
点云深度学习,PointNet++,解析网络,三维点云数据,点云数据分类,可解释性研究,索隐,特征信息,二维图像,图像解译,类激活映射,分类决策,多层感知机,全连接层,池化,卷积特征,ModelNet40,分类精度,接有,决策制定,特征区域
AB值：
0.342715
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。
