融合kd tree邻域查询的深度学习点云分类网络

• 作者: 杨立闯 王旭娇 王楠楠 马杰 马鹏飞
• 来源期刊: 深圳大学学报（理工版）
• 学科: 工学
• 关键词: 计算机神经网络 深度神经网络 深度学习 点云分类 邻域查询 k维树 ModelNet40
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 电子与信息科学
• 页码范围: 79-83
• 页数: 5页
• 分类号: TP391
• 字数: 2581字
• 语种: 中文
• DOI: 10.3724/SP.J.1249.2020.01079

摘要

为解决PointNet++精度较低、耗时较长,且对输入点的噪声敏感的缺陷,引入一种高效的k维树(k-dimensional tree,kd tree)邻域查询方法,通过构建kd tree查找查询点周围指定半径内的近邻点,构造局部区域集,完成在PointNet++分组层上的局部特征提取.针对原网络训练过程中存在的过拟合问题,引入随机失活(dropout)正则化,减少网络收敛训练的时间.在Ubuntu14.04系统下搭建TensorFlow的图形处理器深度学习环境,并在ModelNet40数据集上进行训练和测试.实验结果表明,分别为当查询半径为0.1、0.2和0.3时,该查询方法的分类准确率分别为91.1％、92.1％和94.3％,皆优于PointNet++方法,且网络训练用时更短.改进后的结构在斯坦福三维语义分析数据集(Stanford 3D semantic parsing dataset)上进行语义分割实验平均交并比(mean intersection over union,MIoU)达57.2％,且其对于遮挡物体的鲁棒性更高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	马杰	河北工业大学电子信息工程学院	37	74	6.0	7.0
2	王旭娇	河北工业大学电子信息工程学院	3	0	0.0	0.0
3	马鹏飞	河北工业大学电子信息工程学院	3	0	0.0	0.0
4	杨立闯	河北工业大学电子信息工程学院	4	2	1.0	1.0
5	王楠楠	河北工业大学电子信息工程学院	4	0	0.0	0.0