61_LDGCNN: Learning on Point Cloud via Linking Hierarchical Features 2019 论文笔记

LDGCNN是一种针对点云学习的优化方法,旨在解决DGCNN的网络尺寸过大和深层特征相似性问题。通过链接不同动态图的层次特征,学习边缘信息量,提高网络性能。实验表明,LDGCNN在点云分类和分割任务上表现出高精度,且网络结构更简洁。
摘要由CSDN通过智能技术生成

Linked Dynamic Graph CNN: Learning on Point Cloud via Linking Hierarchical Features
链接动态图CNN:基于链接层次特征的点云学习
代码地址:https://github.com/KuangenZhang/ldgcnn
论文地址:https://www.researchgate.net/publication/332603807_Linked_Dynamic_Graph_CNN_Learning_on_Point_Cloud_via_Linking_Hierarchical_Features
参考:https://www.cnblogs.com/wangchangshuo/p/14005641.html

关键词

深度学习,LDGCNN,点云,分类,分割

解决的问题

•DGCNN依赖于transformation network对点云进行预处理(延续了pointnet的思想)但是这个transformation network使得网络的size翻倍,参数量太大
•深层特征及其邻域可能过于相似,无法提供有价值的边缘向量。

原理

对DGCNN的网络结构进行了优化,以提高网络性能,减小网络模型尺寸。本文网络将不同动态

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值