科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对点云数据的无序性和非结构化导致不能充分提取局部特征的问题，提出了一种融合外部注意力和图卷积的点云分类模型。首先将点云数据构建成局部有向图，然后采用融合了外部注意力的图卷积进行特征提取，以采集更丰富、更具代表性的局部特征。接着，引入残差结构来搭建更深层的网络，并融合不同层次的特征信息，以增强网络性能。最后，将具有树状层次结构的点云数据映射到具有负曲率的双曲空间，以增强点云数据表达的能力，并在双曲空间中进行嵌入计算得到最终的分类结果。在标准公开的数据集ModelNet40和ScanObjectNN上进行了实验，结果表明，模型在不同数据集上整体分类精度分别达到了93.8%和82.8%，相较于目前主流的高性能模型，模型整体精度提高了0.3%～4.9%，并具有较强的鲁棒性。
- 单位
