首页|基于PointNet的三维点云部件分割的抗干扰研究

基于PointNet的三维点云部件分割的抗干扰研究

Anti Interference Research of 3D Point Cloud Component Segmentation Based on PointNet

扫码查看
原文链接
  • NETL
  • NSTL
  • 维普
  • 万方数据
三维点云部件分割的训练预测模型是复杂多样的,影响分割结果的因素有很多.针对深度神经网路设置不同的参数对分割精度的影响,提出在经典点云网络模型PointNet上选择不同的激活函数与优化器进行抗干扰研究.首先将网络中数据采样数、学习率、批量大小等参数确定,其次修改激活函数与优化器参数并在ShapeNet数据集上进行实验对比.实验结果表明,在Point-Net网络模型中选择ReLU激活函数与SGD优化器测试精确度达到88.39%.

point cloud component segmentationPointNetdeep neural network

穆莉莉、单卓佳

展开 >

安徽理工大学机械工程学院 安徽淮南 232001

点云部件分割 PointNet 深度神经网络

安徽省重点研究与开发计划

202004a07020046

2023

绥化学院学报
绥化学院

绥化学院学报

影响因子：0.195
ISSN：2095-0438
年,卷(期)：2023.43(8)
  • 8