Pointwise CNN for 3D Object Classification on Point Cloud

Wei Song; Zishu Liu; Yifei Tian; Simon Fong

doi:10.3745/JIPS.02.0160

추천

검색

자료유형: 학술저널

저자정보: Wei Song (North China University of Technology) Zishu Liu (North China University of Technology) Yifei Tian (University of Macau) Simon Fong (University of Macau)

저널정보: 한국정보처리학회 JIPS(Journal of Information Processing Systems) JIPS(Journal of Information Processing Systems) 제17권 제4호

발행연도: 2021.8

수록면: 787 - 800 (14page)

DOI: 10.3745/JIPS.02.0160

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

Three-dimensional (3D) object classification tasks using point clouds are widely used in 3D modeling, facerecognition, and robotic missions. However, processing raw point clouds directly is problematic for a traditionalconvolutional network due to the irregular data format of point clouds. This paper proposes a pointwiseconvolution neural network (CNN) structure that can process point cloud data directly without preprocessing. First, a 2D convolutional layer is introduced to percept coordinate information of each point. Then, multiple2D convolutional layers and a global max pooling layer are applied to extract global features. Finally, based onthe extracted features, fully connected layers predict the class labels of objects. We evaluated the proposedpointwise CNN structure on the ModelNet10 dataset. The proposed structure obtained higher accuracycompared to the existing methods. Experiments using the ModelNet10 dataset also prove that the difference inthe point number of point clouds does not significantly influence on the proposed pointwise CNN structure.

#Point Clouds #Pointwise CNN #3D Object Classification

참고문헌 (34)

참고문헌 신청

K. W. Bowyer / 2006 / A survey of approaches and challenges in 3D and multi-modal 3D+2D face recognition / Computer Vision and Image Understanding 101(1):1~15

A. S. Mian / 2005 / Automatic correspondence for 3D modeling : an extensive review / International Journal of Shape Modeling 11(2):253~291

M. J. Gom ez / 2015 / Intelligent surveillance of indo or environments based on computer vision and 3D point cloud fusion / Expert Systems with Applications 42(21):8156~8171

Y. Choe / 2014 / Online urban object recognition in point clouds using consecutive point information for urban robotic missions / Robotics and Autonomous Systems 62(8):1130~1152

A. Frome / 2004 / Computer Vision – ECCV 2004 / Springer :224~237

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

Wei Song

소속기관 North China University of Technology

주요연구분야 공학 > 컴퓨터학

논문수 5 이용수 11

Zishu Liu

소속기관 North China University of Technology

주요연구분야 공학 > 컴퓨터학

논문수 1 이용수 4

Yifei Tian

소속기관 University of Macau

주요연구분야 공학 > 컴퓨터학

논문수 3 이용수 8

Simon Fong

소속기관 University of Macau

주요연구분야 공학 > 컴퓨터학

논문수 5 이용수 8

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (34)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

최근 본 자료

댓글(0)