基于可變形三維圖卷積的輕量級(jí)點(diǎn)云分類研究

摘要： 現(xiàn)有深度學(xué)習(xí)方法在處理點(diǎn)云分類任務(wù)時(shí)，依賴于點(diǎn)的絕對(duì)坐標(biāo)，存在模型復(fù)雜度較大的問(wèn)題。對(duì)此，提出一種輕量級(jí)的點(diǎn)云分類網(wǎng)絡(luò)DMGCN-3D。使用自適應(yīng)空洞K近鄰(KNN)算法構(gòu)造圖結(jié)構(gòu)，盡可能捕捉局部更廣泛空間的幾何結(jié)構(gòu)信息，并減少計(jì)算開(kāi)支；構(gòu)造可變形三維圖卷積，引入可學(xué)習(xí)的點(diǎn)與點(diǎn)之間的方向向量來(lái)獲取相對(duì)特性，在特征提取過(guò)程中保證點(diǎn)云的置換不變性與尺度不變性；構(gòu)建多頭自注意力模塊，... （共11頁(yè)）