《表5 MNIST数据集上的分类性能比较(黑体表示最优)》
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。
图表编号 | XD00139893000 严禁用于非法目的 |
---|---|
绘制时间 | 2020.04.20 |
作者 | 闫林、刘凯、段玫妤 |
绘制单位 | 西安电子科技大学计算机科学与技术学院、西安电子科技大学计算机科学与技术学院、西安电子科技大学计算机科学与技术学院 |
更多格式 | 高清、无水印(增值服务) |