用于几何三维场景分类的残差注意力图卷积网络
计算机视觉与模式识别
2020-03-10 v1
摘要
几何三维场景分类是一项极具挑战性的任务。现有方法仅利用 RGB-D 传感器提供的深度通道提取几何信息。这类方法因深度通道中缺失局部几何上下文而可能引入误差。本文提出一种新颖的残差注意力图卷积网络，其在不使用任何点特征的情况下利用三维空间内的内在几何上下文，从而可使用有组织或无组织的三维数据。我们在 NYU Depth v1 与 SUN-RGBD 数据集上开展实验，以研究不同配置并证明所提方法的有效性。实验结果表明，所提方法在几何三维场景分类任务上优于当前最优方法。
引用
@article{arxiv.1909.13470,
title = {Residual Attention Graph Convolutional Network for Geometric 3D Scene Classification},
author = {Albert Mosella-Montoro and Javier Ruiz-Hidalgo},
journal= {arXiv preprint arXiv:1909.13470},
year = {2020}
}