基于深度學(xué)習(xí)的點(diǎn)云分類技術(shù)研究
發(fā)布時(shí)間:2024-07-05 22:16
隨著點(diǎn)云數(shù)據(jù)的獲取方式越來(lái)越簡(jiǎn)便,對(duì)點(diǎn)云數(shù)據(jù)的處理工作正逐漸成為熱點(diǎn)。雖然現(xiàn)階段已經(jīng)有許多優(yōu)秀的工作出現(xiàn),但在整體精度和實(shí)用性方面依然面臨很大的挑戰(zhàn)。一方面,如何利用深度學(xué)習(xí)技術(shù)進(jìn)一步提高點(diǎn)云分類精度;另一方面,如何在保證精度的前提下,減少網(wǎng)絡(luò)的參數(shù)量使得網(wǎng)絡(luò)能夠滿足實(shí)際應(yīng)用需要。本文針對(duì)點(diǎn)云數(shù)據(jù)處理工作中存在的上述問題進(jìn)行了深入研究,提出了新的解決方法,主要工作有如下2點(diǎn):(1)提出了一種多尺度點(diǎn)云分類網(wǎng)絡(luò)Multi-scale Point Cloud Classification Network(MSP-Net),進(jìn)一步提高點(diǎn)云分類的精度。首先分析了點(diǎn)云的特性,提出了一種新的點(diǎn)云數(shù)據(jù)局部劃分方法,以點(diǎn)云的不同層次特征作為輸入,獲得不同尺度的局部區(qū)域;然后模擬卷積神經(jīng)網(wǎng)絡(luò)的運(yùn)作原理,構(gòu)建了包含4個(gè)模塊的多尺度點(diǎn)云分類網(wǎng)絡(luò),最后在標(biāo)準(zhǔn)公開數(shù)據(jù)集ModelNet10和ModelNet40上進(jìn)行了測(cè)試,驗(yàn)證了本文算法的可行性及有效性。(2)提出了一個(gè)高效的點(diǎn)云分類網(wǎng)絡(luò)Efficient Significant Point Clouds Processing Convolutional Ne...
【文章頁(yè)數(shù)】:61 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
abstract
第一章 緒論
1.1 研究背景
1.2 國(guó)內(nèi)外研究現(xiàn)狀
1.3 論文研究?jī)?nèi)容
1.4 論文組織結(jié)構(gòu)
第二章 相關(guān)理論和技術(shù)
2.1 深度學(xué)習(xí)
2.1.1 早期的人工神經(jīng)網(wǎng)絡(luò)
2.1.2 卷積神經(jīng)網(wǎng)絡(luò)及其結(jié)構(gòu)
2.2 點(diǎn)云數(shù)據(jù)及其相關(guān)工作
2.2.1 三維點(diǎn)云
2.2.2 點(diǎn)云分類的相關(guān)工作
2.3 本章小結(jié)
第三章 基于多尺度特征的點(diǎn)云分類網(wǎng)絡(luò)MSP-Net
3.1 引言
3.2 基于多尺度特征的點(diǎn)云分類算法框架及網(wǎng)絡(luò)設(shè)計(jì)
3.2.1 局部區(qū)域劃分原則
3.2.2 多尺度局部區(qū)域劃分算法
3.2.3 MSP-Net網(wǎng)絡(luò)設(shè)計(jì)
3.3 基于多尺度特征的點(diǎn)云分類網(wǎng)絡(luò)的實(shí)驗(yàn)結(jié)果與分析
3.3.1 對(duì)比實(shí)驗(yàn)
3.3.2 消融實(shí)驗(yàn)及分析
3.4 本章小結(jié)
第四章 基于注意力機(jī)制的輕量化點(diǎn)云分類網(wǎng)絡(luò)ESP-Net
4.1 引言
4.2 注意力機(jī)制相關(guān)概念
4.3 原理分析
4.3.1 顯著性點(diǎn)采樣模塊
4.3.2 組卷積
4.3.3 多尺度顯著特征提取塊
4.4 高效的點(diǎn)云模型處理方法實(shí)驗(yàn)結(jié)果與分析
4.4.1 對(duì)比實(shí)驗(yàn)
4.4.2 消融實(shí)驗(yàn)及分析
4.5 本章小結(jié)
第五章 基于深度學(xué)習(xí)的點(diǎn)云分類系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)
5.1 需求分析
5.2 軟硬件環(huán)境
5.3 系統(tǒng)整體框架
5.4 系統(tǒng)詳細(xì)設(shè)計(jì)與實(shí)現(xiàn)
5.4.1 系統(tǒng)界面
5.4.2 點(diǎn)云模型分類系統(tǒng)實(shí)現(xiàn)
5.5 系統(tǒng)及性能測(cè)試
5.5.1 功能測(cè)試
5.5.2 性能測(cè)試
5.6 本章小結(jié)
第六章 總結(jié)和展望
6.1 總結(jié)
6.2 展望
參考文獻(xiàn)
致謝
個(gè)人簡(jiǎn)介
本文編號(hào):4001623
【文章頁(yè)數(shù)】:61 頁(yè)
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
abstract
第一章 緒論
1.1 研究背景
1.2 國(guó)內(nèi)外研究現(xiàn)狀
1.3 論文研究?jī)?nèi)容
1.4 論文組織結(jié)構(gòu)
第二章 相關(guān)理論和技術(shù)
2.1 深度學(xué)習(xí)
2.1.1 早期的人工神經(jīng)網(wǎng)絡(luò)
2.1.2 卷積神經(jīng)網(wǎng)絡(luò)及其結(jié)構(gòu)
2.2 點(diǎn)云數(shù)據(jù)及其相關(guān)工作
2.2.1 三維點(diǎn)云
2.2.2 點(diǎn)云分類的相關(guān)工作
2.3 本章小結(jié)
第三章 基于多尺度特征的點(diǎn)云分類網(wǎng)絡(luò)MSP-Net
3.1 引言
3.2 基于多尺度特征的點(diǎn)云分類算法框架及網(wǎng)絡(luò)設(shè)計(jì)
3.2.1 局部區(qū)域劃分原則
3.2.2 多尺度局部區(qū)域劃分算法
3.2.3 MSP-Net網(wǎng)絡(luò)設(shè)計(jì)
3.3 基于多尺度特征的點(diǎn)云分類網(wǎng)絡(luò)的實(shí)驗(yàn)結(jié)果與分析
3.3.1 對(duì)比實(shí)驗(yàn)
3.3.2 消融實(shí)驗(yàn)及分析
3.4 本章小結(jié)
第四章 基于注意力機(jī)制的輕量化點(diǎn)云分類網(wǎng)絡(luò)ESP-Net
4.1 引言
4.2 注意力機(jī)制相關(guān)概念
4.3 原理分析
4.3.1 顯著性點(diǎn)采樣模塊
4.3.2 組卷積
4.3.3 多尺度顯著特征提取塊
4.4 高效的點(diǎn)云模型處理方法實(shí)驗(yàn)結(jié)果與分析
4.4.1 對(duì)比實(shí)驗(yàn)
4.4.2 消融實(shí)驗(yàn)及分析
4.5 本章小結(jié)
第五章 基于深度學(xué)習(xí)的點(diǎn)云分類系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)
5.1 需求分析
5.2 軟硬件環(huán)境
5.3 系統(tǒng)整體框架
5.4 系統(tǒng)詳細(xì)設(shè)計(jì)與實(shí)現(xiàn)
5.4.1 系統(tǒng)界面
5.4.2 點(diǎn)云模型分類系統(tǒng)實(shí)現(xiàn)
5.5 系統(tǒng)及性能測(cè)試
5.5.1 功能測(cè)試
5.5.2 性能測(cè)試
5.6 本章小結(jié)
第六章 總結(jié)和展望
6.1 總結(jié)
6.2 展望
參考文獻(xiàn)
致謝
個(gè)人簡(jiǎn)介
本文編號(hào):4001623
本文鏈接:http://www.wukwdryxk.cn/kejilunwen/zidonghuakongzhilunwen/4001623.html
最近更新
教材專著