PointNext论文解读

论文地址:https://arxiv.org/abs/2206.04670

github地址:GitHub - guochengqian/PointNeXt: [NeurIPS'22] PointNeXt: Revisiting PointNet++ with Improved Training and Scaling Strategies

本文主要提出优化PointNet++的两大关键点.

1) 好的训练策略

2)有效的模型尺度变换策略.

训练调整

数据增强

1. 随机去除点云颜色. 

2. 增加噪声

3. 增加颜色对比度

4. 点云高度调整

优化调整

1. CrossEntropy with label smoothing

2. AdamW

3.Cosine Decay

架构现代化

感知域尺度调整(Receptive Field Scaling)

目前调整感知域范围主要有两种思路,一种是更大的感知半径去获取邻近点,另一种是采取结构化的架构(hierarchical architecture), 因为结构化的架构已经在PointNet++中被研究,因此我们主要关注前者,即尺度半径调整.

  • 0
    点赞
  • 6
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
倒置残差块(Inverted Residual block)是一种主导移动网络结构设计的模块。它通过引入两个设计原则来改变经典的残差瓶颈结构,即学习倒置残差和使用线性瓶颈。这种设计改变的必要性是重新思考信息丢失和梯度混淆的风险。为了有效缓解这些问题,提出了一种新的瓶颈设计,称为sandglass block。这种设计在更高维度进行恒等映射和空间转换,以减少信息丢失和梯度混淆的影响,非常有效。在MobileNeXt中,使用了基于sandglass block的架构,堆叠了多个这样的模块。网络的输入是一个32维输出的卷积层,然后是堆叠的sandglass block,最后是全局平均池化层将二维特征图压缩为一维,并由全连接层输出每个类别的分数。123 #### 引用[.reference_title] - *1* *2* [Rethinking Bottleneck Structure for Efficient Mobile Network Design](https://blog.csdn.net/goodenough5/article/details/129852613)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT3_1"}} ] [.reference_item] - *3* [MobileNext:打破常规,依图逆向改造inverted residual block | ECCV 2020](https://blog.csdn.net/lichlee/article/details/125313988)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT3_1"}} ] [.reference_item] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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