摘要：三維物體識別是計算機視覺領域近年來的研究熱點,其在自動駕駛、醫(yī)學影像處理等方面具有重要的應用前景。針對三維物體的體素表達形式,特征重組卷積神經網絡VFRN使用了直接連接同一單元中不相鄰的卷積層的短連接結構。網絡通過獨特的特征重組方式,復用并融合多維特征,提高特征表達能力,以充分提取物體結構特征。同時,網絡的短連接結構有利于梯度信息的傳播,加之小卷積核和全局均值池化的使用,進一步提高了網絡的泛化能力,降低了網絡模型的參數(shù)量和訓練難度。ModelNet數(shù)據(jù)集上的實驗表明,VFRN克服了體素數(shù)據(jù)分辨率低和紋理缺失的問題,使用較少的參數(shù)取得了優(yōu)于現(xiàn)有方法的識別準確率。