一种基于图注意力网络的三维点云分类方法

摘要

本发明公开了一种基于图注意力网络的三维点云分类方法，利用构建的图神经网络，完成对原始点云输入数据的点云分类；所述图神经网络包括特征提取层、两组交替分布的图注意力层和池化层、激活函数层、读出层、全连接层和输出层。采用图注意力机制，同时考虑点和边的属性，结合使用图的池化操作，将图逐步变小，构建图神经网络来对三维点云分类，从而可以有效的提高三维点云分类的准确率。采用本发明的方法对ModelNet40数据集(包含40个类别的CAD模型)进行分类处理，经测试，在该数据集上分类正确率为91.5％。