一种适用于点云分类与分割任务的COGCN模型
摘要
针对现有点云分类与分割方法在处理局部特征和上下文信息时存在的不足，结合卷积神经网络和图卷积网络的优势，整合通道和空间增强的边缘卷积（CSEConv）模块和偏移注意力机制，提出一种新型网络架构——COGCN模型。CSEConv模块用于增强点云的局部特征提取，偏移注意力模块用来获取点云的上下文特征和邻域之间的特征关系，实现特征之间更有效的信息融合。在ModelNet40、ShapeNet和S3DIS数据集上的实验结果表明，COGCN模型在点云分类任务中达到93.2%的准确率，在点云分割任务中实现86.1%的分割平均交并比（mIoU），在语义分割任务中实现60.3%的mIoU，结果均优于现有算法。
引用本文（GB/T 7714）
陈伟超 Chen Weichao, 张凌宸 Zhang Lingchen, 迟荣华 Chi Ronghua, 等. 一种适用于点云分类与分割任务的COGCN模型[J]. Laser & Optoelectronics Progress, 2025.
引文网络
本站仅收录题录与摘要供学习参考，全文版权归属出版方；如有侵权请联系我们删除。