PointCutMix：一种用于点云分类的正则化策略

Jinlai Zhang; Lyujie Chen; Bo Ouyang; Binbin Liu; Jihong Zhu; Yujing Chen; Yanmei Meng; Danfeng Wu

PointCutMix：一种用于点云分类的正则化策略

计算机视觉与模式识别 2021-02-08 v2

作者: Jinlai Zhang , Lyujie Chen , Bo Ouyang , Binbin Liu , Jihong Zhu , Yujing Chen , Yanmei Meng , Danfeng Wu

摘要

随着三维点云分析受到越来越多的关注，点云数据集规模不足以及网络泛化能力弱的问题日益凸显。本文提出一种简单有效的点云数据增强方法 PointCutMix，以缓解上述问题。该方法寻找两个点云之间的最优分配，并通过将一个样本中的点替换为其最优分配对应点来生成新的训练数据。为适应不同任务对精度或鲁棒性的要求，提出了两种替换策略：一种是随机选取所有待替换点，另一种是选取单个随机点的 k 近邻。两种策略均能一致且显著地提升多种模型在点云分类问题上的性能。通过引入显著性图来指导替换点的选取，性能得到进一步提升。此外，PointCutMix 被验证可增强模型针对点攻击的鲁棒性。值得注意的是，当用作防御方法时，我们的方法优于最先进的防御算法。代码已开源：https://github.com/cuge1995/PointCutMix

关键词

点云分类数据增强 PointCutMix 点攻击模型鲁棒性显著性图防御方法

引用

@article{arxiv.2101.01461,
  title  = {PointCutMix: Regularization Strategy for Point Cloud Classification},
  author = {Jinlai Zhang and Lyujie Chen and Bo Ouyang and Binbin Liu and Jihong Zhu and Yujing Chen and Yanmei Meng and Danfeng Wu},
  journal= {arXiv preprint arXiv:2101.01461},
  year   = {2021}
}

备注

8 pages,5 figures

PointCutMix：一种用于点云分类的正则化策略

摘要

关键词

引用

备注

相关论文