典型文献
基于特征负反馈卷积的点云分析方法
文献摘要：
针对不规则性、无序性和稀疏性给点云分析带来的困难与挑战,提出了融合局部信息提取与全局特征推理的点云分析方法.首先,为了更加有效地进行局部点分组,使用结构感知K近邻(KNN)搜索局部邻域点.其次,基于边卷积改进提出一种特征负反馈卷积模块,在映射的高维空间中提取更为准确的局部特征.此外,设计了基于注意力机制的全局语义推理模块,通过强调不同区域的分组点来避免潜在的信息冗余,从而全面地获取点云特征.通过在公开的点云数据集ModelNet40和ShapeNet上进行测试,该方法总体分类精度和总体平均交并比分别达到93.8％和86.4％,定量的评估指标以及定性的可视化实验证明了该方法的准确性和鲁棒性.
文献关键词：
图像处理;点云分析;特征负反馈卷积;注意力机制;全局语义推理模块
中图分类号：
作者姓名：
邓林涛;方志军
作者机构：
上海工程技术大学电子电气工程学院,上海201620
文献出处：
引用格式：
[1]邓林涛;方志军-.基于特征负反馈卷积的点云分析方法)[J].激光与光电子学进展,2022(12):93-105
A类：
特征负反馈卷积,全局语义推理模块
B类：
点云分析,规则性,稀疏性,局部信息,信息提取,全局特征,使用结构,结构感知,近邻,KNN,局部邻域,卷积模块,高维空间,局部特征,注意力机制,信息冗余,取点,点云特征,点云数据,ModelNet40,ShapeNet,分类精度,平均交并比,可视化实验
AB值：
0.297866
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。
