标签：Kernel Mining Point 特征 局部 邻近 利用 几何 结构

Abstract

• PointNet没有充分利用包含丰富结构信息的局部邻域。
  有以下两种解决方案：
• 关注局部三维几何结构：与图像的卷积核类似，我们定义一个点集的核作为一个可学习的3D点的集合，这些点根据核相关测量的邻近数据点的几何亲和性共同响应一组相邻数据点，该方法改编自一种类似的点云配准技术。
• 第二种方法利用局部高维特征结构，使用空间位置上的临近关系找到邻近的点，然后根据该图去递归聚合特征。

Introduction

贡献：

• 提出一个核相关层去利用局部几何结构，其具有清晰的几何解释（图1和图3）。
• 提出一个基于图的池化层，利用局部特征结构来增强网络的鲁棒性。

Method

局部几何结构的学习

标签：Kernel,Mining,Point,特征,局部,邻近,利用,几何,结构
来源： https://www.cnblogs.com/A-FM/p/15689674.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。