《表2 不同权重的网络分类精度》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《MLMS-Net:多层次多尺度点云分类网络》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

为了探究多尺度结构特征和边缘特征分配权重对点云分类结果的影响，设计了以下实验：（1）调整多尺度结构特征中各尺度特征所占的比重；（2）调整结构特征和边缘特征融合时各类特征所占的比重。表2为不同权重时网络的总体分类精度，其中权重比例的前3项表示结构特征、最后一项表示边缘特征。第1组与第6组实验只使用单尺度网络进行特征提取，网络对于点云结构的局部信息不够敏感，总体分类精度下降了161%和1.39%，第6组比第1组的邻域半径更大，感受视野更广，分类精度更高。第2～5组实验表示所有特征都参与训练，第4组实验的总体分类精度高于其他几种情况，表明各类特征在点云分类时都起到了一定的作用，权重均衡的点云特征区分度更高，各类特征对网络的贡献度接近。如无特殊说明，本文实验使用的权重分配方案是[1/6，1/6，1/6，1/2]。