索引边缘几何卷积神经网络用于点云分类

作者：周鹏; 杨军

来源：西安电子科技大学学报, 2021, 1-12.

• 模型分类
• 卷积神经网络
• 点云
• 轻量化

点云学习因其在计算机视觉、自动驾驶和机器人技术等领域的广泛应用而受到越来越多的关注。点云数据具有稀疏性、无序性、有限性等特点，给基于深度卷积神经网络的点云分类任务带来很大困难，通常采用多视图或将点云转换为体素后使用卷积神经网络进行处理，但转换过程会带来局部特征信息丢失、计算效率低等问题。将原始点云直接输入到分类网络还存在参数量过多、网络规模复杂等问题，实时性任务处理仍需进一步优化。为使点云处理网络轻量化，以适用于实时点云分类任务，提出索引边缘几何卷积神经网络模型。首先对网络结构和超参进行裁剪并压缩，实现模型轻量化；其次，使用k近邻算法在每个卷积层上确定新的局部区域，加入相邻点之间的向量方向，将不同层的输出特征映射并进行索引跳跃连接，使局部特征信息损失进一步降低。在ModelNet40数据集上，该方法的分类准确率为92.78%，与DGCNN相比，提高了0.58%。实验结果表明，所提出的模型具有分类准确率高、轻量化特点，可部署于小型嵌入式设备。

• 单位
  兰州交通大学