科研之友
微信
新浪微博
Facebook
分享链接
摘要
点云分类是点云数据处理的一个重要研究方向,也是一个具有挑战性的课题,但是目前公开的大型3D点云数据集相比于二维图像数据集数据量要小得多。然而数据增强就是通过对数据的变换从而提高数据多样性,提出了基于点云数据特征自动增强的分类网络,它通过对抗学习的策略,联合优化增益器网络和分类器网络,使得增益器可以学习产生最适合分类器的增益样本。此外提出了点云金字塔特征融合和联合多层感知机,这能让网络更加注意原始点云样本的细节和位置信息,保证了增益器生成增益样本时能够拥有原始样本的细节信息,这会让增益器生成质量更好的增益样本。大量的实验也证明了改进的增益器提高了分类网络的性能。
-
单位上海大学; 通信与信息工程学院
