基于可变形三维图卷积的轻量级点云分类研究

摘要： 现有深度学习方法在处理点云分类任务时，依赖于点的绝对坐标，存在模型复杂度较大的问题。对此，提出一种轻量级的点云分类网络DMGCN-3D。使用自适应空洞K近邻(KNN)算法构造图结构，尽可能捕捉局部更广泛空间的几何结构信息，并减少计算开支；构造可变形三维图卷积，引入可学习的点与点之间的方向向量来获取相对特性，在特征提取过程中保证点云的置换不变性与尺度不变性；构建多头自注意力模块，... （共11页）