《表3 各方法在3D点云识别实验中的网络参数量及运行速度比较》
以3D点云识别为例,各方法网络参数量和运行速度对比如表3所示。从网络大小而言,本文方法对比PointNet模型减少了50%以上的参数量,对比PointNet++减少了17%以上的参数量,这是由于本文方法采用注意力机制的方式直接获取点云特征,避免了采用子网络学习变换矩阵的方式,从而使模型更加简单,更有利于实际应用。从网络运行速度而言,本文方法略快于PointNet,对比PointNet++运行时间减少60%以上,这是由于通过注意力机制与残差学习的结合方式可以获取点云之间关系,减少了显式查找点云局部关系,使得网络模型更为快速和高效。通过对比分析可知,本文方法具有更加简单、更加高效的特点,也使得其在实际应用中更有优势。
图表编号 | XD00150806800 严禁用于非法目的 |
---|---|
绘制时间 | 2020.08.01 |
作者 | 林钦壮、何昭水 |
绘制单位 | 广东工业大学自动化学院、广东工业大学自动化学院 |
更多格式 | 高清、无水印(增值服务) |