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