JS3C-Net 开源项目使用教程

JS3C-Net 开源项目使用教程

JS3C-NetSparse Single Sweep LiDAR Point Cloud Segmentation via Learning Contextual Shape Priors from Scene Completion (AAAI 2021)项目地址:https://gitcode.com/gh_mirrors/js/JS3C-Net

1. 项目的目录结构及介绍

JS3C-Net 项目的目录结构如下：

JS3C-Net/
├── figure/
├── lib/
├── log/
│   └── JS3C-Net-kitti/
├── models/
├── opt/
├── utils/
├── .gitattributes
├── LICENSE
├── README.md
├── kitti_dataset.py
├── poss_dataset.py
├── test_kitti_segment.py
├── test_kitti_ssc.py
├── test_poss_segment.py
└── train.py

目录结构介绍：

• figure/: 存放项目相关的图表文件。
• lib/: 存放项目依赖的库文件。
• log/: 存放训练和评估的日志文件，子目录 JS3C-Net-kitti/ 存放特定数据集的日志。
• models/: 存放模型的定义和实现文件。
• opt/: 存放项目的配置文件，如 JS3C_default_kitti.yaml。
• utils/: 存放项目使用的工具函数和辅助文件。
• .gitattributes: Git 属性配置文件。
• LICENSE: 项目的开源许可证文件。
• README.md: 项目的介绍和使用说明文件。
• kitti_dataset.py: 处理 KITTI 数据集的脚本。
• poss_dataset.py: 处理 POSS 数据集的脚本。
• test_kitti_segment.py: 用于评估 KITTI 数据集语义分割的脚本。
• test_kitti_ssc.py: 用于评估 KITTI 数据集语义场景完成的脚本。
• test_poss_segment.py: 用于评估 POSS 数据集语义分割的脚本。
• train.py: 项目的启动文件，用于训练模型。

2. 项目的启动文件介绍

项目的启动文件是 train.py，该文件用于启动模型的训练过程。以下是启动训练的命令示例：

$ python train.py --gpu 0 --log_dir JS3C-Net-kitti --config opt/JS3C_default_kitti.yaml

参数说明：

• --gpu 0: 指定使用的 GPU 设备编号。
• --log_dir JS3C-Net-kitti: 指定日志文件的保存路径。
• --config opt/JS3C_default_kitti.yaml: 指定配置文件的路径。

3. 项目的配置文件介绍

项目的配置文件存放在 opt/ 目录下，主要配置文件是 JS3C_default_kitti.yaml。该文件包含了训练过程中所需的各项参数配置，如数据集路径、模型参数、优化器参数等。

配置文件示例：

# 数据集配置
dataset:
  path: "/path/to/kitti_dataset"
  batch_size: 8

# 模型配置
model:
  name: "JS3CNet"
  input_channels: 3
  output_channels: 20

# 优化器配置
optimizer:
  type: "Adam"
  learning_rate: 0.001

# 其他配置
...

配置文件说明：

• dataset: 配置数据集的路径和批次大小。
• model: 配置模型的名称、输入通道数和输出通道数。
• optimizer: 配置优化器的类型和学习率。

通过修改配置文件中的参数，可以调整训练过程中的各项设置。

JS3C-NetSparse Single Sweep LiDAR Point Cloud Segmentation via Learning Contextual Shape Priors from Scene Completion (AAAI 2021)项目地址:https://gitcode.com/gh_mirrors/js/JS3C-Net