《表3 特征融合网络配置细节》

  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

《一种用于点云分类的轻量级深度神经网络》

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

表1、表2和表3展示了网络的详细配置参数。网络训练时，除了最后一个全连接层，其余的全连接层都应用了比例为0.5的随机失活操作以避免过拟合。笔者使用Adam优化器以0.001的初始学习率训练网络，学习率会在每200 000次前向传播后以30%的比例衰减。每批次数据中包含64个点云模型。并使用线性整流函数（ReLU）作为每个卷积层后的激活函数。损失函数使用了分类任务中最普遍的交叉熵损失，结合L1和L2正则约束防止网络过拟合。算法使用Tensorflow深度学习平台实现，在单块NIVIDA GTX-1080Ti GPU上需要3.5小时左右完成100次迭代的训练。