基于图卷积网络的深度学习点云分类模型 下载: 1790次
Deep Learning Model for Point Cloud Classification Based on Graph Convolutional Network
河北工业大学电子信息工程学院, 天津 300401
图 & 表
图 1. GCN模型框架
Fig. 1. Framework of GCN model
下载图片 查看原文
图 2. 基于GCN的点云分类网络设计
Fig. 2. Design of point cloud classification network based on GCN
下载图片 查看原文
图 3. kNN graph层图卷积示意图
Fig. 3. Schematic of graph convolution in kNN graph layer
下载图片 查看原文
图 4. ModelNet40部分形状的采样结果
Fig. 4. Sampling results of partial shapes on ModelNet40
下载图片 查看原文
表 1参数设置
Table1. Parameter settings
Optimizer | Learningrate | Batchsize | Momentum | Weightdecay |
---|
ADAM | 0.001 | 64 | 0.9 | 1×10-5 |
|
查看原文
表 2几种模型在ModelNet40上的分类精度和计算复杂度对比
Table2. Comparisons of classification accuracy on ModelNet40 and computational complexity of several models
Model | Mean classaccuracy /% | Overallaccuracy /% | Forwardtime /ms |
---|
3D ShapeNets[11] | 77.3 | 84.7 | | VoxNet[12] | 83 | 85.9 | | PointNet | 86 | 89.2 | 25.3 | ointNet++[13] | | 90.7 | 163.2 | Kd-network[14] | | 86.3 | | Ours | 91.6 | 93.2 | 29.4 |
|
查看原文
表 3不同k值下分类精度对比
Table3. Comparison of classification accuracy under different k values
k | Mean classaccuracy /% | Overallaccuracy /% |
---|
5 | 87.6 | 89.2 | 10 | 88.0 | 90.4 | 15 | 90.1 | 92.6 | 20 | 91.6 | 93.2 | 25 | 91.2 | 92.9 | 30 | 90.8 | 92.5 | 35 | 89.9 | 91.8 | 40 | 89.7 | 91.6 |
|
查看原文
王旭娇, 马杰, 王楠楠, 马鹏飞, 杨立闯. 基于图卷积网络的深度学习点云分类模型[J]. 激光与光电子学进展, 2019, 56(21): 211004. Xujiao Wang, Jie Ma, Nannan Wang, Pengfei Ma, Lichaung Yang. Deep Learning Model for Point Cloud Classification Based on Graph Convolutional Network[J]. Laser & Optoelectronics Progress, 2019, 56(21): 211004.