Knowledge Commons of Institute of Automation,CAS
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 | |
发表期刊 | 自动化学报
![]() |
ISSN | 0254-4156 |
2023 | |
卷号 | 49期号:11页码:2350-2359 |
摘要 | 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. |
关键词 | 深度学习 三维点云 点云分类 注意力机制 损失函数 |
DOI | 10.16383/j.aas.c210532 |
引用统计 | |
文献类型 | 期刊论文 |
条目标识符 | http://ir.ia.ac.cn/handle/173211/55790 |
专题 | 学术期刊_自动化学报 |
推荐引用方式 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. |
条目包含的文件 | ||||||
文件名称/大小 | 文献类型 | 版本类型 | 开放类型 | 使用许可 | ||
AAS-CN-2021-0532.pdf(4862KB) | 期刊论文 | 出版稿 | 开放获取 | CC BY-NC-SA | 浏览 |
个性服务 |
推荐该条目 |
保存到收藏夹 |
查看访问统计 |
导出为Endnote文件 |
谷歌学术 |
谷歌学术中相似的文章 |
[单铉洋]的文章 |
[孙战里]的文章 |
[曾志刚]的文章 |
百度学术 |
百度学术中相似的文章 |
[单铉洋]的文章 |
[孙战里]的文章 |
[曾志刚]的文章 |
必应学术 |
必应学术中相似的文章 |
[单铉洋]的文章 |
[孙战里]的文章 |
[曾志刚]的文章 |
相关权益政策 |
暂无数据 |
收藏/分享 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论