PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation

最新推荐文章于 2024-07-29 16:32:20 发布
最新推荐文章于 2024-07-29 16:32:20 发布
阅读量3.4k 收藏 1
点赞数 1
分类专栏： 3D-object detection 文章标签： F-PointNet
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/lanyuxuan100/article/details/78765601
版权

目前看，在KITTI三维目标检测中，F-PointNet排名第一。

这篇文章是2017年CVPR上的，讲的是根据点云信息直接进行三维的分类与分割。

从效果上看，居然比陈晓智的MV3D还要好，真的不可思议。

后面仔细看看内容再完善这篇博客。

lanyuxuan100
关注
专栏目录
【论文阅读笔记】PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation
梁瑛平的博客
02-13 2723
PointNet: Deep Learning on Point Sets for 3D Classifification and Segmentation（一）论文地址：（二）核心思想：（三）问题陈述：（四）点云数据的性质：（五）PointNet 的网络结构：5.1 无序输入的对称函数：5.2 仿射变换网络 T-net：（六）MLP：（七）实验结果： （把网络原理讲的很清楚） （一）论文地址： ...
论文精读:PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation
qq_52053775的博客
01-02 673
无序性：只是点而已，排列顺序不影响近密远疏的特性：扫描与视角不同导致非结构化数据，直接CNN有点难要解决的任务就是如何对点云数据进行特征提取。
PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation解析(PointNet模型)
KHFlash的博客
05-11 574
PointNet++理解
最新发布
weixin_47373639的博客
07-29 819
所谓的分层，也就是使用多个 SA （Set Abstraction）模块进行特征提取，差别在于每一个 SA 模块的采样点数量（K）和采样半径（R）不一样。随着层次加深，K 和 R 会随之增大。SA 模块是该论文最为核心的部分，它包含三个关键层：Sampling Layer，Grouping Layer，PointNet Layer。
PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation 中文翻译
听风轻咛
03-06 679
点云是一种重要的几何数据结构。 由于其不规则的格式，大多数研究人员将这些数据转换为常规3D体素网格或图像集合。 然而，这会使数据不必要地大量增加并导致问题。 在本文中，我们设计了一种直接消耗点云的新型神经网络，它很好地考虑了输入中点的置换不变性。 我们的网络名为PointNet，为从对象分类，部分分割到场景语义分析等应用程序提供统一的体系结构。 虽然简单，但PointNet非常高效和有效。 根据...
PointNet：Deep Learning on Point Sets for 3D Classification and Segmentation翻译
weixin_42137840的博客
07-25 1324
摘要： 点云是一种重要的几何数据结构，因为它的无序性，大多数研究将这种数据转换成规则3D体素网格（regular 3D voxel grids）或者图片集合（collections of images）。然而，renders data unnecessarily voluminous and causes issues.本文中，我们设计了一个新的神经网络，该网络能够直接处理点云数据，且使得这些点...
[论文解读+复现] PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation
qq_41685265的博客
07-11 6809
一、摘要 本文提出了一种结构简单的物体检测与点云分割、语义分析的深度学习网络，网络具有置换不变性，文章最后对网络的鲁棒性做出了解释。 二、介绍 典型卷积网络需要规则的输入，例如像素和体素，目的是可以共享权重参数（weight），一些研究学者会将点云转化为体素或者图像集再传入神经网络，这会导致数据量变得巨大并造成模糊；为此本文使用简单的统一的结构—点云来进行训练，网络名为：PointNe...
pointnet: deep learning on point sets for 3d classification and segmentation
06-28
PointNet是一种深度学习模型，专门用于处理3D点云的分类和分割任务。它接受一个由点组成的集合作为输入，可以学习到每个点的特征表示，并将它们组合起来以获得整个点云的全局特征。PointNet还具有旋转不变性，因此...
PointNet Deep Learning on Point Sets for 3D Classification and Segmentation
chenyutingdaima的博客
05-17 845
PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation Abstract 由于点云数据的无序性，大多数研究者把它转化为规则的 3D 体素网格或者转化为图像数据集来处理。这样会不必要的增大数据集并且产生一些（像素点失真）问题。本文作者设计了一个新的网络，直接处理点云数据。 1、Introduction ...
论文阅读：PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation
weixin_41823188的博客
10-07 476
论文名称：PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation 主要内容： 本文利用点云的无序性和旋转不变性，提出了一个深度网络，直接将点云的（x，y，z）坐标作为输入，根据网络结构的不同可以完成分类、目标部分分割和场景分割任务。 解决的问题： 神经网络通常处理的数据都是有规范格式的，例如图片，文本信息。然而点云作为一种不规范的、无序数据，通常转化为以下几种形式再输入网络： 1 栅格（体素） 转化为规范形状的
PointNet:Deep Learning on Point Sets for 3D Classification and Segmentation
qq_51221943的博客
01-14 1215
PointNet:Deep Learning on Point Sets for 3D Classification and Segmentation PointNet：3D点集分类与分割深度学习模型 摘要总结： 1.点云是一个重要的数据结构，所以有研究的必要。 2.点云有自己本身的特性，也就是 irregular format（格式不规则），之前的研究人员都想将其转化为一种立体模型，但是这恰恰是丢失了其本身的特性。 机器学习，先要提取信息，之后再将提取到的信息进行分析得出结果。我个人理解这里有一个问题就是
Deep Learning on Point Sets for 3D Classification and Segmentation
qq_31751039的博客
06-27 243
## PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation  点云数据是一种重要的几何数据结构， 由于其不规则的格式， 大部分研究都集中在怎样将数据转换成3d立体网格. 但是这样的工作是大量的且会出现问题. 所以作者提出一种新的网络结构来处理这样的情况，利用max...
PointNet:Deep Learning on Point Sets for 3D Classificatiion and Segmentation
weixin_37592611的博客
09-23 302
本文亮点： 直接把点云数据作为神经网络的输入，该网络既可以用于分类也可以用于分割。 1，通过空间变换网络解决旋转不变问题。 2，利用maxpooling作为对称函数解决点云无序问题。 一，点云数据存在的问题 （1）无序性 点云本质上是一长串点（nx3矩阵，其中n是点数）。在几何上，点的顺序不影响它在空间中对整体形状的表示。因此，在提取点云特征时需要对无序数据做处理，使其对不同排列数据都有相同结果。 （2）旋转性 相同的点云在空间中经过一定的刚性变化（旋转或平移），坐标...
论文翻译 | PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation
bettii的博客
06-12 1148
PointNet是点云领域最经典的论文之一了。目前文章对pointNet进行了详读也比较详细，因此就只写个翻译，再熟悉一下这篇文章。 论文： PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation pytorch版本代码：【here】点云是一种重要的几何数据结构。它的形式不规整，因此大多数研究者们都是将它们转换成规则的三维体素网格或图像集的形式处理，但这.............................
CVPR2017_PointNet_ Deep Learning on Point Sets for 3D Classification and Segmentation
weixin_30319097的博客
03-21 210
Author Charles R. Qi* Hao Su* @ Stanford 第一个是PHD, 第二个是Professor, 两人一直在一起做些3D的研究 还有个PointNet++ Abstract 点云是一种很重要的几何数据结构，因为它不规则的形式，很多研究都是将它转换成规则的3D体素或者collections,这样的话就会造成大量不必要的数据也会产生一些相应的问题。 点云最接近原...
论文笔记：PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation
scf_scf_scf的博客
07-15 193
PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation Charles R. Qi* Hao Su* Kaichun Mo Leonidas J. Guibas Stanford University 概述： 　由于点云数据的不规范性，之前的算法都是将点云数据转化为图片数据或者体素网格数据。本文创造性地将点云数据直接应用到了３Ｄ目标分类和识别检测任务中，针对点云数据三个特性：无序性，点之间有关性（Inter.
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值