论文解析：SO-Net: Self-Organizing Network for Point Cloud Analysis

SO-Net: Self-Organizing Network for Point Cloud Analysis

本文提出SO-Net的网络结构用于无序点云的特征提取。 SO-Net通过构建自组织映射（Self-Organizing Map）来模拟点云的空间分布。基于SOM，SO-Net对单个点和SOM节点进行分层特征提取，最终用一个特征向量表示输入点云。

SOM介绍

SOM自组织神经网络是神经网络的一种，与前馈神经网络不同，它是一种无监督学习，适用于数据聚类和数据降维，其生理学依据是神经网络接受外界输入模式时，将会分为不同的对应区域，各区域对输入模式具有不同的响应特征。SOM由两层网络组成，分别为输入层和竞争层。

(1)输入层：通过权向量将外界信息汇集到输出层各神经元。输入层的形式与BP网相同，节点数与样本维数相同。
(2)输出层：输出层也是竞争层。其神经元的排列有多种形式。分为一维线阵,二维平面阵和三维栅格阵。最典型的结构是二维形式。它更具大脑皮层的形象。输出层的每个神经元同它周围的其他神经元侧向连接，排列成棋盘状平面；输入层为单层神经元排列。

• 以下是维基百科上SOM的学习机制示意图