一种用于三维点云分类的图卷积神经网络
计算机视觉与模式识别
2018-12-06 v1 机器学习
机器学习
摘要
图卷积神经网络（Graph-CNN）扩展了传统 CNN，以处理支撑在图上的数据。处理图数据时的主要挑战在于，支撑集（图的顶点）通常没有自然排序，且一般而言图的拓扑不规则（即各顶点的邻居数量不同）。因此，Graph-CNN 在处理由流形采样获得的三维点云数据方面具有巨大潜力。本文中，我们开发了一种用于分类三维点云数据的 Graph-CNN，称为 PointGCN。该架构将局部图卷积与两类图下采样操作（亦称池化）相结合。通过利用 Graph-CNN 有效探索点云局部结构，所提架构在三维物体分类基准 ModelNet 上取得了具有竞争力的性能，且比竞争方案更稳定。
引用
@article{arxiv.1812.01711,
title = {A Graph-CNN for 3D Point Cloud Classification},
author = {Yingxue Zhang and Michael Rabbat},
journal= {arXiv preprint arXiv:1812.01711},
year = {2018}
}
备注
Published as a conference paper at ICASSP 2018