典型文献
基于点密度加权的多尺度分层点云识别网络
文献摘要：
与密集且规则分布的2D栅格状图像不同,3D点云是不规则且无序的,对其进行卷积可能会存在一定的困难,因此,提出了一种针对原始3D点云的卷积运算.该方法使用高斯核密度估计和多层感知器(multi-layer perceptron,MLP)网络来学习密度函数,将学习到的点的密度尺度结合点的相对位置,通过由MLP网络近似的权重函数之中,得到局域中每个点的权重值.整个卷积核可视为由权重函数和密度函数组成的3D点局域坐标的非线性函数,可用于对3D空间中任意点集进行平移不变和置换不变的卷积,并融合多尺度采样分组和法向特征使网络达到最佳效果.在ModelNet40和ModelNet10数据集的分类实验中,该网络分别取得了92.8％和94.7％的准确率,均高于所对比的同类方法的性能水平.将CIFAR-10和MNIST图像数据集转为点云并进行测试,结果表明网络在2D图像中的性能基本等效于传统2D卷积网络.
文献关键词：
图像处理;3D点云;核密度估计;卷积运算;多尺度特征;法向特征
中图分类号：
作者姓名：
秦鑫宇;韩帅;沈学利;杨莹
作者机构：
辽宁工程技术大学 软件学院,辽宁 葫芦岛 125105;中国科学院 海西研究院 泉州装备制造研究所,福建 泉州 362216
文献出处：
引用格式：
[1]秦鑫宇;韩帅;沈学利;杨莹-.基于点密度加权的多尺度分层点云识别网络)[J].计算机工程与应用,2022(13):217-226
A类：
法向特征
B类：
点密度,密度加权,点云识别,识别网络,2D,栅格,格状,行卷,卷积运算,高斯核密度估计,多层感知器,multi,layer,perceptron,MLP,密度函数,结合点,相对位置,权重函数,局域,权重值,卷积核,数组,非线性函数,任意点,点集,平移,移不变,达到最佳,最佳效果,ModelNet40,ModelNet10,CIFAR,MNIST,图像数据集,明网,等效于,卷积网络,多尺度特征
AB值：
0.439665
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。
