基于串行关注机制的3D点云分类算法

作者：芦新宇; 杨冰; 叶海良; 曹飞龙^*

来源：中国计量大学学报, 2022, 33(03): 388-396.

• 深度学习
• 点云分类
• 得分聚合
• 串行关注

目的:优化3D点云的分类任务中邻域点的选取和聚合，平滑局部邻域内的结构信息，并使卷积神经网络关注较为有用的信息。方法:首先，提出多空间索引来优化点云中邻域点的选取。同时，通过关注机制学习得分权重聚合邻域点的特征。接着，设计多通道关注模块对特征进行细化，提高特征的融合力和可辨别性。最后，将细化的特征放入分类器中，完成点云的分类任务。结果:在ModelNet40和ScanObjectNN两个具有挑战性的基准数据集上分别达到了93.4%和81.7%的分类精度。结论:基于串行关注机制的卷积神经网络在点云分类任务中取得良好性能。

• 单位
  中国计量大学