Abstract：
针对点云分类问题,提出一种改进点云上采样网络,从低密度点云生成密集点云,提高点云分类准确率.针对点云上采样网络PU-GAN细节表示能力不足的问题,在生成器网络中引入Transformer模块,整合提取的特征信息;在特征扩张模块加入门控循环单元和分层上采样单元,重构细粒度特征;以PU-GAN数据集进行训练,构建闽南古建筑数据集作为测试.实验结果表明,改进后网络的上采样效果获得了提升,具有良好的鲁棒性.通过对ModelNet40数据集进行上采样,在PointNet上进行分类实验,验证了该网络对分类准确率的提升.
Keyword：
Reprint 's Address：
Email：
Version：
Source ：
计算机工程与设计
ISSN： 1000-7024
Year： 2024
Issue： 8
Volume： 45
Page： 2461-2467
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 1
Affiliated Colleges：
