DGCNN用于点云学习分析
发布时间
阅读量：
阅读量
这篇最新发布的文章专注于Point Clouds数据进行分类与分割。它受到 PointNet 和 PointNet++ 这两项先驱性工作的启发而发展起来的新方法。与 PointNet 不同的是它能够同时捕捉相邻点之间的关系因而忽略了各点之间的局部特征信息因此它引入了一个称为 EdgeConv 的新层在此基础之上实现了对各点局部特征的有效提取从而解决了 PointNet 无法有效提取各点间局部关系这一缺陷问题
一、网络结构
该文章借鉴了PointNet在架构上的设计，在其中对特征提取模块的结构进行了替换为EdgeConv。
其中EdgeConv的设计是文章的突出之处。文章原文描述如下：输入为一个大小为N×F的张量，在每一层中使用MLP根据给定的输出特征维度{a1,a2,...,an}计算出对应的边缘特征，并沿这些边缘特征的方向进行池化操作以生成新的张量。这个新张量具有大小N×an。
二、EdgeConv层介绍
为了详细阐述EdgeConv层的工作原理, 文章通过举例来阐述EdgeConv的工作机制, 其中的图表如下所示.
全部评论 (0)
还没有任何评论哟~