面向点云数据的广义卷积神经网络
计算机视觉与模式识别
2018-10-22 v2 机器学习
摘要
廉价的 RGB-D 相机、立体相机和 LIDAR 设备的出现，为计算机视觉社区提供了传统 RGB 相机无法提供的 3D 信息。这些数据通常以点云的形式存储。在本文中，我们提出了一种将卷积神经网络概念应用于此类数据的新方法。通过在数据集中创建最近邻映射，并对点之间的空间关系单独施加权重，我们实现了一种可直接处理点云的架构，且其设计与行为均与卷积神经网络高度相似。该方法无需大量的特征工程，同时被证明计算效率高且所需参数少。
引用
@article{arxiv.1707.06719,
title = {Generalized Convolutional Neural Networks for Point Cloud Data},
author = {Aleksandr Savchenkov and Andrew Davis and Xuan Zhao},
journal= {arXiv preprint arXiv:1707.06719},
year = {2018}
}