基于数据增强与动态图卷积的点云分类硬件加速方法及系统

本发明公开了一种基于数据增强与动态图卷积的点云分类硬件加速方法及系统，该方法包括：基于局部点集替换混合策略对原始点云数据进行数据增强处理；对点云分类模型进行训练，得到训练好的模型；其中，点云分类模型为在DGCNN中嵌入ECA‑Net单元形成的改进DGCNN模型；基于层融合和定点量化策略对训练好的点云分类模型进行压缩；在FPGA平台上对压缩后的点云分类模型构建硬件加速器模块，利用硬件加速器模块加载训练好的模型的权重和偏置数据以及待处理的点云数据，并采用分块发送及缓存空间复用的方式进行加速推理计算，输出分类结果。该方法升了训练模型的鲁棒性与泛化能力以及模型效率和硬件资源利用率。