基于ADGCNN的三维点云特征提取方法研究
来源：计算机应用与软件杂志2025年第1期北京时间：
作者：朱勇建，田世轩，黄毅，唐昆，罗艳良
摘要：三维点云数据具有稀疏性和不规则性，在特征提取时，现有方法未考虑特征通道的重要性差异。对此，提出一种结合注意力机制的ADGCNN网络，在EdgeConv结构中引入通道注意力模块，根据特征通道的重要程度分配不同权重，提升网络的表达能力。并且采用最大池化与平均池化拼接的方法处理点云的无序性问题，防止仅使用最大池化造成的信息损失。实验表明，在ModelNet40点云分类数据集上，ADGCNN相比于DGCNN的分类准确率由92.20%提高至93.31%，验证了ADGCNN网络的有效性。
关键词：三维点云分类, 特征提取, 注意力机制, 图卷积
