《表1 不同算法的分割准确率》

  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

《点云稀疏编码三维模型簇协同分割》

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

算法在ShapeNet Parts数据集上与文献[18]、文献[25]、文献[27]的对比实验结果如表1所示。本算法用稀疏编码提高逐点分类能力，相比于文献[18]将局部特征与全局特征相融合的分类策略，本算法的pIoU提升了2.1%，mIoU提升了0.6%。同时本算法构建的字典基函数中被编码了一致性信息，相比于文献[25]采用平均池化策略获取模型一致性信息，pIoU提高了2.6%，mIoU提高了1.1%。文献[27]利用多尺度分组和多分辨率分组提高局部特征的提取能力，而本文则使用字典的分类能力提升点特征的判别性，使pIoU提高了0.6%，但mIoU降低了1.3%，这是因为文献[27]中背包、帽子和摩托的分割准确率均高于本算法，其余类别则与本文接近，因此平均分割准确率较高。