基于注意力机制的自适应图卷积三维点云识别算法

摘要

为了更好地捕捉三维点云的局部几何结构信息，提出了一种基于注意力机制的自适应图卷积三维点云识别算法.为了解决固定卷积核忽略特征的缺点，首先通过图结构特征动态学习自适应卷积核；其次为了提高模型对局部几何结构的建模能力，通过向量注意力机制自适应地调整卷积核的权重分配；而后使用点云的位置特征构建图，并利用自适应卷积核来对新构建的图结构特征进行卷积操作；最后通过池化得到新的点云特征.实验结果表明，相较之前的点云卷积算法，所提算法在采样点较少时仍可以很好地提取局部几何结构信息并在分类任务上取得较高精度.所提算法在ModelNet40,ScanObjectNN和ShapeNetPart数据集上的效果对比目前的点云分类和分割方法具有一定的优势.

关键词

三维点云 / 注意力机制 / 自适应 / 图卷积 / 动态学习