Point-GBLS:结合深宽度学习的三维点云分类网络

作     者：张国有 左嘉欣 潘理虎 郝志祥 郭伟 张雪楠 

作者机构：太原科技大学计算机科学与技术学院 中国联合网络通信有限公司政企客户事业群 

出 版 物：《计算机系统应用》 (Computer Systems & Applications)

年 卷 期：2025年

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 080203[工学-机械设计及理论] 0835[工学-软件工程] 0802[工学-机械工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：山西省自然科学基金(202203021221145) 国家自然科学基金(62072325) 

主　　题：三维模型分类 点云 深度学习 宽度学习系统 

摘      要：基于点云的三维物体识别和检测是计算机视觉和自主导航领域的一个重要研究课题.如今,深度学习算法大大提高了三维点云分类的准确性和鲁棒性.然而,深度学习网络通常存在网络结构复杂、训练过程耗时等问题.本文提出了一种三维点云分类网络Point-GBLS,它将深度学习和宽度学习系统结合在一起.网络结构简单,训练时间短.首先通过基于深度学习的特征提取网络提取点云特征,然后用改进的宽度学习系统对其进行分类.ModelNet40和ScanObjectNN数据集上的实验表明, Point-GBLS识别准确率分别达到92%以上和78%以上,训练时间低于同类深度学习方法的50%以上,优于具有相同骨干的深度学习网络.