![](https://img-blog.csdnimg.cn/20190918140129601.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
研究生生活——科研
主要记录自己在看论文或代码复现时遇到的问题以及一些粗浅的思考
LikeMarch
不悲叹过去,不荒废现在,不惧怕未来。
展开
-
点云深度学习中的新下采样方法
2020年9月9日 周三 天气晴 【不悲叹过去,不荒废现在,不惧怕未来】本文目录0. 前言1. Adaptive Hierarchical Down-Sampling(CVPR2020)1.1 Critical Points Layer (CPL)1.2 Weighted Critical Points Layer (WCPL)2. Adaptive Sampling(CVPR2020)3. 总结参考文献0. 前言目前关于点云的深度学习方法,大多数都是Encoder-Decoder的结构。Enco原创 2020-09-09 17:18:00 · 3335 阅读 · 0 评论 -
关于点云语义分割和语义的理解
2020年8月17日 周一 天气晴 【不悲叹过去,不荒废现在,不惧怕未来】本文目录1. 什么是点云语义分割2. 什么是点云的语义2.1 语义的百度解释2.2 个人理解参考文献1. 什么是点云语义分割对点云中的每个点进行分类,给每个点一个标签(label),属于同一标签(label)的点被分割成一类,并且这种分类在现实中是有意义的。2. 什么是点云的语义2.1 语义的百度解释语言所蕴含的意义就是语义(semantic)。简单的说,符号是语言的载体。符号本身没有任何意义,只有被赋予含义的符号才能原创 2020-08-17 21:15:44 · 1784 阅读 · 0 评论 -
论文阅读:RandLA-Net: Efficient Semantic Segmentation of Large-Scale Point Clouds
2020年7月18日 周六 天气晴 【不悲叹过去,不荒废现在,不惧怕未来】RandLA-Net: Efficient Semantic Segmentation of Large-Scale Point CloudsRandLA-Net: 大规模点云的高效语义分割这篇论文是今年CVPR2020上的一篇oral,能高效处理大规模点云的语义分割问题。网上有很多人都对这篇论文进行了解读,比如下面这些:https://zhuanlan.zhihu.com/p/114595738https://blog原创 2020-07-18 22:35:26 · 567 阅读 · 0 评论 -
论文阅读:Permutation Matters: Anisotropic Convolutional Layer for Learning on Point Clouds
Permutation Matters: Anisotropic Convolutional Layer for Learning on Point Clouds置换问题:用于点云学习的各向异性卷积这篇论文是我无意中从 Semantic 3D 的 benchmark 上看到,目前在 reduced-8 results 上排名第二,仅次于之前提出的 RandLA-Net。看了一下发现还挺有趣的,就想把它记录下来。...原创 2020-07-16 22:44:06 · 481 阅读 · 1 评论 -
代码复现:KPConv
说一下我复现KPConv代码的环境和遇到的一些问题1、tensorflow 1.12.0 和 CUDA 9.0。这是官方指导意见。如果代码运行时遇到各种各样的如: 'tensorflow' has no attribute 'xxx'、找不到tf.math.xxx等问题,基本就是tensorflow和cuda版本问题,或者是版本冲突。另外,需要重装tensorflow的时候,记得完全卸载它,用p...原创 2020-03-07 21:52:57 · 1994 阅读 · 2 评论 -
论文阅读:LaserNet: An Efficient Probabilistic 3D Object Detector for Autonomous Driving
LaserNet:一种用于自动驾驶的高效概率三维物体探测器看不懂啥是概率分布。。。。原创 2019-07-22 16:44:09 · 2452 阅读 · 0 评论 -
论文阅读:Deep Fitting Degree Scoring Network for Monocular 3D Object Detection
Deep Fitting Degree Scoring Network for Monocular 3D Object Detection一种用于单目三维目标检测的深度拟合度评分网络这篇文章看下来,原创 2019-07-17 21:38:13 · 1030 阅读 · 0 评论 -
论文阅读:Frustum PointNets && PointRCNN
这篇博客主要是大致总结一下我最近看的两篇3D目标检测的论文Frustum PointNets和PointRCNN。我本科毕业设计做的是点云物体分类算法的研究,最近提前进入了研究生生活,目前转看了三维物体的目标检测,主要觉得纯粹的点云物体分类在实际应用中的意义不是很大,真正贴合实际的是大型室外场景的三维目标检测。但也不能说点云物体的分类毫无用处,有些3D目标检测算法正是在分类算法的基础上提出的,比如...原创 2019-07-15 22:03:09 · 1071 阅读 · 0 评论 -
论文阅读:KCNet:Mining Point Cloud Local Structures by Kernel Correlation and Graph Pooling(下)
简介中有一段话我觉得很重要:“为了解决上述问题,PointNet ++ [31]建议将一个点集分割成更小的集群,通过一个小的PointNet发送每个集合,并对更高维的特征点集迭代地重复这样的过程,这导致复杂的体系结构减少速度。因此,我们尝试从不同的方向进行探索:是否有任何有效的可学习的本地操作和清晰的几何解释,以帮助直接增强和改进原始的PointNet,同时保持其简单的架构?为了解决这个问题,我...原创 2019-03-23 16:25:36 · 2158 阅读 · 0 评论 -
论文阅读:FoldingNet:Point Cloud Auto-encoder via Deep Grid Deformation
FoldingNet:通过深度网格变形的点云自动编码器摘要直接处理点集(例如PointNet)中的点的最近的深度网络对于诸如分类和分割的点云上的监督学习任务而言是最先进的。在这项工作中,提出了一种新颖的端到端深度自动编码器来解决点云上的无监督学习挑战。在编码器方面,强制实施基于图形的增强以促进PointNet上的局部结构。然后,一种新颖的基于折叠的解码器将规范的2D网格变形到点云的底层3D物体...原创 2019-03-24 23:19:34 · 1876 阅读 · 2 评论 -
论文阅读:KCNet:Mining Point Cloud Local Structures by Kernel Correlation and Graph Pooling(上)
KCNet:Mining Point Cloud Local Structures by Kernel Correlation and Graph PoolingYiru Shen, Chen Feng, Yaoqing Yang and Dong Tian Mining Point Cloud Local Structures by Kernel Correlation and Graph P...原创 2019-03-18 00:17:52 · 2968 阅读 · 2 评论