基于Spider卷积的三维点云分类与分割网络

• 作者: 农丽萍 张文辉 林基明 王俊义 王本杰
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 卷积神经网络 Spider卷积 点云分类与分割 残差块 鲁棒性
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 人工智能
• 页码范围: 1607-1612
• 页数: 6页
• 分类号: TP 391.4
• 字数: 4891字
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2019101879

摘要

针对传统的卷积神经网络(CNN)不能直接处理点云数据,需先将点云数据转换为多视图或者体素化网格,导致过程复杂且点云识别精度低的问题,提出一种新型的点云分类与分割网络Linked-Spider CNN.首先,在Spider CNN基础上通过增加Spider卷积层数以获取点云深层次特征;其次,引入残差网络的思想在每层Spider卷积增加短连接构成残差块;然后,将每层残差块的输出特征进行拼接融合形成点云特征;最后,使用三层全连接层对点云特征进行分类或者利用多层卷积层对点云特征进行分割.在ModelNet40和ShapeNet Parts数据集上将所提网络与PointNet、PointNet++和Spider CNN等网络进行对比实验,实验结果表明,所提网络可以提高点云的分类精度和分割效果,说明该网络具有更快的收敛速度和更强的鲁棒性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	林基明	桂林电子科技大学信息与通信学院	101	581	13.0	20.0
2	张文辉	桂林电子科技大学信息与通信学院	45	151	6.0	10.0
3	王俊义	桂林电子科技大学信息与通信学院	46	193	5.0	12.0
4	农丽萍	西安电子科技大学通信工程学院	25	179	5.0	13.0
6	王本杰	桂林电子科技大学信息与通信学院	1	0	0.0	0.0