结合残差动态图卷积与特征强化的点云分类

梁正友; 蔡俊民; 孙宇; 陈磊

doi:10.16088/j.issn.1001-6600.2023021901

广西师范大学学报（自然科学版） ›› 2023, Vol. 41 ›› Issue (05) : 37 -48. DOI: 10.16088/j.issn.1001-6600.2023021901

结合残差动态图卷积与特征强化的点云分类

梁正友, 蔡俊民, 孙宇, 陈磊

作者信息 +

Author information +

文章历史 +

PDF

摘要

针对提高点云分类性能和鲁棒性的需求，本文提出将残差动态图卷积与特征强化相结合的点云分类网络。采用多方向编码方法，在局部邻域中心点的空间多方向上选取近邻点，丰富点云特征；通过残差动态图卷积提取特征，以残差结构对局部特征和全局特征进行深度融合，有效缓解网络退化问题；构造强化空间注意力模块，使得网络在空间域中学习自适应地为不同邻域特征分配权重，增强有用特征，并抑制冗余特征；使用高低层次链接，保留更多特性信息。实验表明：本文模型在ModelNet10、ModelNe40数据集上的总体分类精度分别达到94.81%、93.62%,分类精度更高，鲁棒性更强，优于现有先进方法。