《表1 抗病毒性能标准:深度图注意力CNN的三维模型识别》
DGACNN的输入为N×3维度的点云矩阵,首先为了使输入点云对缩放、旋转、平移等几何变换具有不变性,采用注意力感知空间转换网络对不同姿态的点云进行规范化,然后采用GAC层提取点云模型的多头部上下文细粒度局部特征。为了充分挖掘点云更为抽象的深层隐含语义特征,采用残差连接避免梯度消失问题的同时加深了网络深度,各卷积层的具体参数如表1所示。同时,把GAC层输出的图特征进行最大池化,并和Layer5输出的特征融合后得到大小为N×1 024的特征矩阵,通过最大池化层进行聚合,得到表征整个点云模型的全局特征描述符,输入到三个全连接层进行降维转换。最后,通过Softmax分类器对模型类别进行预测,得到最终的分类分数。
图表编号 | XD00200924400 严禁用于非法目的 |
---|---|
绘制时间 | 2021.01.01 |
作者 | 党吉圣、杨军 |
绘制单位 | 兰州交通大学电子与信息工程学院、兰州交通大学电子与信息工程学院 |
更多格式 | 高清、无水印(增值服务) |