CASIA OpenIR  > 学术期刊  > 自动化学报
RFNet:用于三维点云分类的卷积神经网络
单铉洋; 孙战里; 曾志刚
Source Publication自动化学报
ISSN0254-4156
2023
Volume49Issue:11Pages:2350-2359
Abstract由于点云的非结构性和无序性,目前已有的点云分类网络在精度上仍然需要进一步提高.通过考虑局部结构的构建、全局特征聚合和损失函数改进三个方面,构造一个有效的点云分类网络.首先,针对点云的非结构性,通过学习中心点特征与近邻点特征之间的关系,为不规则的近邻点分配不同的权重,以此构建局部结构;然后,使用注意力思想,提出加权平均池化(Weighted average pooling, WAP),通过自注意力方式,学习每个高维特征的注意力分数,在应对点云无序性的同时,可以有效地聚合冗余的高维特征;最后,利用交叉熵损失与中心损失之间的互补关系,提出联合损失函数(Joint loss function, JL),在增大类间距离的同时,减小类内距离,进一步提高了网络的分类能力.在合成数据集ModelNet40、ShapeNetCore和真实世界数据集ScanObjectNN上进行实验,与目前性能最好的多个网络相比较,验证了该整体网络结构的优越性.
Keyword深度学习 三维点云 点云分类 注意力机制 损失函数
DOI10.16383/j.aas.c210532
Citation statistics
Document Type期刊论文
Identifierhttp://ir.ia.ac.cn/handle/173211/55790
Collection学术期刊_自动化学报
Recommended Citation
GB/T 7714
单铉洋,孙战里,曾志刚. RFNet:用于三维点云分类的卷积神经网络[J]. 自动化学报,2023,49(11):2350-2359.
APA 单铉洋,孙战里,&曾志刚.(2023).RFNet:用于三维点云分类的卷积神经网络.自动化学报,49(11),2350-2359.
MLA 单铉洋,et al."RFNet:用于三维点云分类的卷积神经网络".自动化学报 49.11(2023):2350-2359.
Files in This Item: Download All
File Name/Size DocType Version Access License
AAS-CN-2021-0532.pdf(4862KB)期刊论文出版稿开放获取CC BY-NC-SAView Download
Related Services
Recommend this item
Bookmark
Usage statistics
Export to Endnote
Google Scholar
Similar articles in Google Scholar
[单铉洋]'s Articles
[孙战里]'s Articles
[曾志刚]'s Articles
Baidu academic
Similar articles in Baidu academic
[单铉洋]'s Articles
[孙战里]'s Articles
[曾志刚]'s Articles
Bing Scholar
Similar articles in Bing Scholar
[单铉洋]'s Articles
[孙战里]'s Articles
[曾志刚]'s Articles
Terms of Use
No data!
Social Bookmark/Share
File name: AAS-CN-2021-0532.pdf
Format: Adobe PDF
All comments (0)
No comment.
 

Items in the repository are protected by copyright, with all rights reserved, unless otherwise indicated.