典型文献
基于局部关系卷积的点云分类与分割模型
文献摘要：
深度学习已成为点云分析的主要方法,但是现有方法在点云特征抽象时无法充分参考局部形状信息,因此对局部形状变化感知的鲁棒性较差,难以针对形状特征生成合适的卷积核.为此,提出了局部关系卷积(local relation convolution,LRConv),一种通过全面局部关系感知形状特征的卷积算子.参考点云局部中所有邻域点之间的低维空间关系,定义了一种不依赖于点的顺序与刚性变换的局部关系描述;使用多层感知机从关系描述中学习得到局部区域中每个点对应的卷积权重;通过卷积权重来变换点的特征,并聚合局部区域的抽象特征.在基准测试实验中,LRConv分类网络在ModelNet上的分类准确率较PointNet++提高了2.1个百分点,LRConv零件分割网络在ShapeNet上的分割类别平均重合度较PointNet++提高了1.5个百分点.实验结果充分验证了LRConv在特征抽象中的有效性.
文献关键词：
点云;局部关系;分类与分割;卷积神经网络;深度学习
中图分类号：
作者姓名：
高金金;李潞洋
作者机构：
山西财经大学 实验中心,太原 030016;中北大学 大数据学院,太原 030051
文献出处：
引用格式：
[1]高金金;李潞洋-.基于局部关系卷积的点云分类与分割模型)[J].计算机工程与应用,2022(19):276-283
A类：
LRConv
B类：
局部关系,点云分类与分割,分割模型,点云分析,主要方法,点云特征,对局,化感,形状特征,特征生成,卷积核,local,relation,convolution,关系感知,卷积算子,参考点,邻域,低维空间,空间关系,不依,多层感知机,习得,局部区域,重来,来变,换点,基准测试,测试实验,分类网络,ModelNet,分类准确率,PointNet++,百分点,零件,分割网络,ShapeNet,重合度
AB值：
0.405045
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。
