基于動態(tài)圖卷積的點(diǎn)云補(bǔ)全網(wǎng)絡(luò)
所屬分類：技術(shù)論文
上傳者：zhoubin333
文檔大小：4011 K
標(biāo)簽： 圖像處理 三維點(diǎn)云 卷積神經(jīng)網(wǎng)絡(luò)
所需積分：0分積分不夠怎么辦？
文檔介紹：大多數(shù)傳統(tǒng)的深度學(xué)習(xí)點(diǎn)云補(bǔ)全學(xué)習(xí)方法僅僅使用了全局特征而忽略了局部特征，為了更好地提取和使用點(diǎn)云的局部特征，提出了一個(gè)基于深度學(xué)習(xí)的端到端點(diǎn)云補(bǔ)全網(wǎng)絡(luò)。在點(diǎn)云補(bǔ)全網(wǎng)絡(luò)（PCN）的基礎(chǔ)上，編碼部分引入針對局部特征改進(jìn)的動態(tài)圖卷積（DGCNN），使用多個(gè)不同維度的邊卷積提取較為豐富的局部特征，并按照距離弱化遠(yuǎn)點(diǎn)的特征；然后用深度殘差網(wǎng)絡(luò)連接的思想優(yōu)化網(wǎng)絡(luò)結(jié)構(gòu)以實(shí)現(xiàn)多尺度特征的融合，并加入平均池化彌補(bǔ)全局池化造成的信息損失；在解碼部分引入折疊網(wǎng)絡(luò)（FoldingNet），使輸出的點(diǎn)云更加完整。實(shí)驗(yàn)結(jié)果表明，該點(diǎn)云補(bǔ)全網(wǎng)絡(luò)相對PCN等點(diǎn)云補(bǔ)全網(wǎng)絡(luò)有部分提升，驗(yàn)證了新方法的有效性。
現(xiàn)在下載
VIP會員，AET專家下載不扣分；重復(fù)下載不扣分，本人上傳資源不扣分。