基于注意力图卷积网络的点云学习
计算机视觉与模式识别
2019-06-03 v1
摘要
点云数据作为三维物体的一种表示形式，是三维传感器获取到的最原始输出。与二维图像不同，点云是无序且非结构化的。因此，直接将卷积神经网络等分类技术应用于点云分析并不直观。为解决此问题，我们提出了一种名为基于注意力图卷积网络（AGCN）的新型网络结构，用于提取点云特征。我们将学习过程视为相邻点之间的消息传播，并在AGCN中引入注意力机制以分析各点局部特征之间的关系。此外，我们引入了一个额外的全局图结构网络，以补偿图结构网络中各单独点的相对信息。所提出的网络还被扩展为编码器-解码器结构以用于分割任务。实验结果表明，该网络在分类和分割任务中均能取得最先进的性能。
引用
@article{arxiv.1905.13445,
title = {Point Clouds Learning with Attention-based Graph Convolution Networks},
author = {Zhuyang Xie and Junzhou Chen and Bo Peng},
journal= {arXiv preprint arXiv:1905.13445},
year = {2019}
}
备注
11 pages, 9 figures