一种基于融合Transformer网络的轻量级多阶段点云分类方法

本发明公开了一种基于融合Transformer网络的轻量级多阶段点云分类方法，包括：构建原始点嵌入模块，局部特征提取，全局特征聚合和多阶段学习。本发明网络由高效特征聚合分支和Transformer分支组成，高效特征聚合分支配备可学习的位置编码，能充分捕获大多数点云分类网络经常忽视的位置信息。Transformer分支将具有相似特征的采样点聚类，实现捕获长程依赖与计算复杂性之间的平衡。同时，在原始点嵌入中引入了挤压‑激励模块，以增强点云特征的表示并提升后续点云学习性能。采用四阶段学习策略，有效增强了网络对点云的理解能力。大量实验证明，本发明在保持较低参数数量的同时，能够实现出色的分类性能。