摘要：三維物體識(shí)別是計(jì)算機(jī)視覺(jué)領(lǐng)域近年來(lái)的研究熱點(diǎn),其在自動(dòng)駕駛、醫(yī)學(xué)影像處理等方面具有重要的應(yīng)用前景。針對(duì)三維物體的體素表達(dá)形式,特征重組卷積神經(jīng)網(wǎng)絡(luò)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(jié)構(gòu)。網(wǎng)絡(luò)通過(guò)獨(dú)特的特征重組方式,復(fù)用并融合多維特征,提高特征表達(dá)能力,以充分提取物體結(jié)構(gòu)特征。同時(shí),網(wǎng)絡(luò)的短連接結(jié)構(gòu)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(jìn)一步提高了網(wǎng)絡(luò)的泛化能力,降低了網(wǎng)絡(luò)模型的參數(shù)量和訓(xùn)練難度。ModelNet數(shù)據(jù)集上的實(shí)驗(yàn)表明,VFRN克服了體素?cái)?shù)據(jù)分辨率低和紋理缺失的問(wèn)題,使用較少的參數(shù)取得了優(yōu)于現(xiàn)有方法的識(shí)別準(zhǔn)確率。