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
穆莉莉 1单卓佳1
作者信息
- 1. 安徽理工大学机械工程学院 安徽淮南 232001
- 折叠
摘要
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%.
关键词
点云部件分割/PointNet/深度神经网络Key words
point cloud component segmentation/PointNet/deep neural network引用本文复制引用
基金项目
安徽省重点研究与开发计划(202004a07020046)
出版年
2023
NETL
NSTL
维普
万方数据