《表5 MNIST数据集上的分类性能比较（黑体表示最优）》

  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

笔者从分类精度、输入数据维度和模型复杂度3个角度与其他算法进行比较。如表4所示，在ModelNet40数据集上的测试结果表明，本网络达到了优秀的分类精度，且使用的网络权重数量仅为PointNet++的1/5左右。在MNIST数据集上的测试结果表明，本网络针对不同维度的点云数据均有良好的适配能力（表5）。笔者还以十亿次浮点运算量（Giga FLoating point OPerations，GFLOP）为单位，统计和整理了文中及现有算法的计算量，结果表明文中算法还具备计算量低的优点。