MLMS-Net多层次多尺度点云分类网络

第54卷第12期西安交通大学学报

门槛记高斯加速器2020年12月JOURNAL OF XI'AN JIAOTONG UNIVERSITY Vol.54No.12 Dec.2020

MLMS-Net：多层次多尺度点云分类网络

薛豆豆】，程英蕾】，文沛12，余旺盛】，秦先祥1

（1.空军工程大学信息与导航学院,710077，西安；2.中国人民解放军93575部队,067000，河北承德）摘要：针对传统“云分类网络提取特征较为单一，分类精度较低的问题，提出一种多层次多尺度“云分类网络MLMS-Net。首先使用预处理算法将原始“云分割为小样本，以得到批处理输入，提高训练效率；然后使用K近邻算法和边缘特征向量分别提取“云的低层次结构特征和边缘特征，通过设置不同邻域值，有效获取上下文信息，通过“内和“间多层次表达获得局部细粒度描述；接着对两种低层次特征分别构建卷积神经网络，随着网络层次的加深，特征抽象程度越来越高，区分程度也随之增加，从而有效提高准确性；最后利用后处理模块融合深层特征，完成“云分类任务。

使用Vaihingen数据集对MLMS-Net网络进行测试，其分类精度相较单层次网络提高了0.6%〜

15.9%。气浮刮渣机

婴儿护理车关键词：“云分类；卷积神经网络；边缘特征；局部细粒度

中图分类号：TP237文献标志码：A

DOI：10.7652/xjtuxb202012009文章编号:0253-987X（2020）12-0070-09

糖果制造OSID码MLMS-Net:A Point Cloud Classification Network with

Multi-Level and Multi-Scale三板模

XUE Doudou1,CHENG Yinglei1,WEN Pei1，,YU Wangsheng1,QIN Xianxiang1

(1.Information and Navigation College,Air Force Engineering University,Xi'an710077,China；

28The93575Unit,Chengde,Hebei067000,China)

Abstract:A point cloud classification network with multi-level and multi-scale(MLMS-Net)is proposed to improve the problem that the traditional point;loud;lassifi;ation network extra;ts single-levelfeaturesandteh;lassifi;ationa;;ura;yislow.First,a prepro;essing algorithm is usedtosegmenttheoriginalpoint;loudintosma l samplestoobtain mini-bat;handsoasto improvetraininge f i;ien;y；ThentheK-nearestneighboralgorithmandanedgefeatureve;torare used to extra;t the low-level stru;ture features and edge features of the point;loud,andthe ;ontextinformationise f e;tivelyobtainedthroughse t ingdi f erentneighborhoodvalues.Lo;al fine-graineddes;riptionsareobtainedthrough multi-levelexpression withinandbetweenpoints.

Then;onvolutionalneuralnetworksare;onstru;tedfortwolow-levelfeaturesseparately.With the deepening of the network level,the degree of feature abstraction level is higher and higher, andthedegreeofdistinctionincreases,soastoe f ectivelyimprovetheaccuracy；Fina l y,the post-processingmoduleisusedtofusethedeepfeatures,andthepointcloudclassificationtaskis completed.The Vaihingen data set is used to test the MLMS-Netnetwork,itsclassification accuracy is improved by0.6%to15.9%compared with that of the single-level network.

收稿日期：2020-06-19o作者简介：薛豆豆（1996—）男，硕士生；程英蕾（通信作者），女，教授。基金项目：国家自然科学基金青年科学基金资助项目（61703423）；国家自然科学基金资助项目

（41601436）

网络出版时间:2020-09-02网络出版地址:http：〃knski/kcms/detail/61.1069.T.20200902.1342.002.html

本文发布于:2024-09-21 15:20:40，感谢您对本站的认可！

本文链接：https://www.17tex.com/tex/1/257474.html

上一篇：药物代谢动力学经典模型的局限与改进

下一篇：劳务派遣企业员工薪酬管理制度