科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对三维点云数据分类深度学习可解释性研究，提出一种探讨点云深度学习决策的PointNet++解析网络，探索隐藏在PointNet++网络中的特征信息。根据二维图像解译工作中的类激活映射图，提出了三维点云的类激活映射图，并将点云类激活映射图作为探索PointNet++网络分类决策的依据，采用多层感知机取代全连接层，并使用均值池化层来聚合卷积特征。实验数据为ModelNet40数据集，验证了所提出的PointNet++解析网络的可行性。研究结果表明，所提算法达到了较高的分类精度并且能够对PointNet++分类决策进行探讨，提取直接有助于决策制定的特征区域。
- 单位
