GTC ON-DEMAND

 
SEARCH SESSIONS
SEARCH SESSIONS

Search All
 
Refine Results:
 
Year(s)

SOCIAL MEDIA

EMAIL SUBSCRIPTION

 
 

GTC ON-DEMAND

HPC and Supercomputing
Presentation
Media
图卷积神经网络介绍及其在 3D 点云语义分割领域的应用
Abstract:
近年来传统的卷积神经网络在图像、视频、语音、自然语言、围棋等领域的应用取得了巨大的成功,但是由于其本身网络结构的局限性,仍然有很多数据类型是传统卷积神经网络无法处理的,比如社交网络,分子结构,3D 点云,3D 格珊等,图卷积网络 (GCN) 在处理这类非规则数据的过程中具有很大优势,但目前的 GCN 规模较小,在加深深度的过程中由于梯度消失和过度平滑问题限制图卷积网络的进一步发展,目前常见的图卷积神经网络一般都是 3、4 层,我们关注的问题是图卷积神经网络 GCN 是否也能和一般的卷积神经网络 CNN 一样加深到 50+ 层而不会有 Vanishing Gradient 问题,研究人员提出了 ResGCNs,DenseGCNs 和 Dilated GCN,MRGCN 等结构,甚至能训练收敛 152 层 GCN,并在点云分割任务上取得了比较好的效果。
 
Topics:
HPC and Supercomputing
Type:
Talk
Event:
GTC China
Year:
2019
Session ID:
CN9363
Streaming:
Download:
Share: