科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了提升苗圃场景中多目标分类和识别的准确率，提出基于融合卷积块注意力模块的PointNet++多目标分类方法.通过在原PointNet++网络的特征提取层中嵌入注意力机制模块，增强对关键特征的提取，弱化无用特征，降低参数量的同时提高网络特征学习能力.引入LeakyReLu函数作为激活函数模型，获得的非线性变换效果良好.为了验证所提方法在苗圃中的分类性能，使用激光采集多种靶标(不同形态的树木)与非靶标(行人、指示牌、种植盆等)制作数据集，并在该数据集上进行分类实验.实验结果表明，所提方法在苗圃数据集上的分类总体精度达到96.38%，分类速度达到0.04帧/s，均优于原PointNet++网络.
- 单位
