一种基于多模态脉冲融合神经元的少样本点云分类方法

本发明涉及一种基于多模态脉冲融合神经元的少样本点云分类方法，包括对三维点云数据进行队列式采样时序编码，构建点云时序序列；对点云时序序列进行透视投影，生成多视角深度图构成图像模态；构建多层脉冲感知机和脉冲残差块；基于多层脉冲感知机，结合采样分组模块和混合池化，获取点云模态特征；基于多层脉冲感知机和脉冲残差块，获取图像模态特征；基于多模态脉冲融合神经元获取多模态融合特征；基于余弦相似度获取增强支持集特征和增强查询集特征，进而计算支持原型向量并根据其与增强查询集特征的欧氏距离矩阵获得少样本点云分类结果。本发明相比于现有的少样本点云分类方法，有效提高点云分类的准确性，降低网络的计算能耗。