软件学报

作者：王昌硕，王含，宁欣，田生伟，李卫军

单位：王昌硕，中国科学院半导体研究所, 北京 100083;中国科学院大学 材料科学与光电工程中心&微电子学院, 北京 100049;威富集团形象认知计算联合实验室, 北京 10008311,王含，广州南方学院, 广东 广州 510970;珠海复旦创新研究院, 广东 珠海 51805702,宁欣，中国科学院半导体研究所, 北京 100083;威富集团形象认知计算联合实验室, 北京 10008303,田生伟，新疆大学软件学院, 新疆 乌鲁木齐 83009104,李卫军，中国科学院半导体研究所, 北京 100083;中国科学院大学 材料科学与光电工程中心&微电子学院, 北京 100049;半导体神经网络智能感知与计算技术北京市重点实验室, 北京 10008305

关键词：点云分类;动态覆盖卷积;空间覆盖算子;局部邻域;注意力系数

基金：国家自然科学基金(61901436); 广东省重点领域研发计划(2019B010107001);中国科学院B类先导科技专项培育

局部几何形状的描述能力, 对不规则的点云形状表示是十分重要的. 然而, 现有的网络仍然很难有效地捕捉准确的局部形状信息. 在点云中模拟深度可分离卷积计算方式, 提出一种新型的动态覆盖卷积(dynamic cover convolution, DC-Conv), 以聚合局部特征. DC-Conv的核心是空间覆盖算子(space cover operator, SCOP), 该算子通过在局部区域中构建各向异性的空间几何体覆盖局部特征空间, 以加强局部特征的紧凑性. DC-Conv通过在局部邻域中动态组合多个SCOP, 实现局部形状的捕捉. 其中, SCOP的注意力系数通过数据驱动的方式由点位置自适应地学习得到. 在3D点云形状识别基准数据集ModelNet40, ModelNet10和ScanObjectNN上的实验结果表明, 该方法能有效提高3D点云形状识别的性能和对稀疏点云的鲁棒性. 最后, 也提供了充分的消融实验验证该方法的有效性. 开源代码发布在https://github.com/changshuowang/DC-CNN.

来源：2023年第4期

《软件学报》期刊编辑部

查看软件学报杂志2023年第4期