.png){kind=icon}
返回
LBNP: Learning features between neighboring points for point cloud classification
.png){kind=icon}
OA
AI
DOI：10.1371/journal.pone.0314086.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
受经典工作启发，在构建点云中的局部关系时，通常会对中心点及其邻域点进行几何描述。然而，中心点及其邻域的基本几何表示是不充分的。借鉴图像处理中使用的局部二值模式算法，我们提出了一种用于表示点云邻域的新方法，称为点云局部辅助块（PLAB）。该模块通过学习邻域点之间的关系来探索有用的邻域特征，从而增强模型的学习能力。此外，我们提出了一种纯Transformer结构，考虑局部和全局特征，称为双注意力层（DAL），它使网络能够在聚合特征空间中同时学习有价值的全局特征和局部特征。实验结果表明，我们的方法在粗粒度和细粒度点云数据集上都表现良好。我们将在GitHub上发布代码和所有实验训练日志。
期刊
IF:
2.6
论文数:
2.6W
被引数:
81.6W
机构
引用论文
Deep 3D point cloud classification and segmentation network based on GateNet基于GateNet的深度三维点云分类与分割网络.png)
VISUAL COMPUTER
VISUAL COMPUTERIF2.9
PREAI
分享收藏Point Cloud Classification Using Content-Based Transformer via Clustering in Feature Space通过特征空间中的聚类使用基于内容的Transformer进行点云分类OAAI
OAAI分享收藏
查看更多内容