URSA：一种基于星座集处理无序点云的神经网络
计算机视觉与模式识别
2018-10-25 v2
摘要
本文描述了一种称为 Ursa 的神经网络层，该层利用点星座集从点云数据中学习分类信息。与其他机器学习分类问题（其任务是对单个高维观测进行分类）不同，在点云分类问题中，目标是分类一组 d 维观测。由于点云是一个集合，在点云分类问题中点的集合没有顺序。因此，点云输入分类的挑战在于构建一个对观测顺序不敏感、同时保留集合中每个点的 d 维信息的分类器。本研究提出 Ursa，一种实现这两种特性的人工神经网络新层类型。与该任务的新方法类似，该架构直接处理 d 维点，而非先将点转换为 d 维体素。Ursa 层之后接一系列全连接层，用于从点云分类 2D 和 3D 物体。在 ModelNet40 和 MNIST 数据上的实验显示出与当前方法相当的分类结果，同时将训练参数减少了 50% 以上。
引用
@article{arxiv.1808.04848,
title = {URSA: A Neural Network for Unordered Point Clouds Using Constellations},
author = {Mark B. Skouson and Brett J. Borghetti and Robert C. Leishman},
journal= {arXiv preprint arXiv:1808.04848},
year = {2018}
}
备注
11 pages, 6 Figures, 1 Table