自适应生成卷积核的动态图注意力三维点云识别及分割

摘要

针对现有算法在对点云数据进行平移、缩放以及旋转等几何变换时网络不能充分提取局部特征，导致网络精度显著下降的问题，提出基于自适应生成卷积核的动态图注意力三维点云识别及分割算法.首先，利用感受野中心点位置信息增强邻点感知上下文信息能力，通过改进的自注意力机制重构感受野，使感受野内特征信息充分交互，增强感受野的上下文信息.其次，构造自适应生成卷积核，通过捕获变化的点云拓扑信息，自适应生成卷积核权重，进而提升网络性能.最后，构建动态图注意力卷积算子，并设计点云识别的动态网络与分割的U形网络.实验结果表明，本文算法在ModelNet40点云识别数据集的识别精度达到了94.0%，在ShapeNet Part点云部件语义分割数据集的平均交并比达到了86.2%.本文算法能够提取三维点云的关键特征信息，具有较好的三维点云识别与分割能力.

关键词

三维点云 / 动态图注意力卷积 / 自适应算法 / 模型识别 / 语义分割