PointNet 网络结构

最近在学习点云,首先便是开山之作pointnet

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

一、点云的特性

1.Unordered
点云是无序的,点的排序不影响物体的性质,如下图所示:

 2.Interaction among points

该模型需要能够从附近的点捕获局部结构,以及局部结构之间的组合相互作用

3.Invariance under transformations

旋转不变性,即一个点云数据旋转后仍然表达的是同一个物体

 这个在原文中主要采用的是一个T-net来实现

 T-Net网络是可以去学习点云的旋转从而给予校正,给后面的网络使用。

二、网络结构

 pointnet的结构很简单,主要可以完成分类以及分割的任务,首先是分类任务,输入n个点的三维数据(x,y,z),经过一个input transform层,n个点三维数据经过多层感知机mlp,将三维数据输出为64维,然后在特征转换层feature transform后经过多层感知机将每个点依次从64输出到128再到1024,自此每个点都包含1024的数据,然后经过maxpool 层提取global feature,将所有点的每一个维度比大小,提取每一个维度的最大值,得到一个1x1024大小的向量,这包含了全局信息,然后在用mlp层,将信息进一步提取到512,到256,然后到输出的分类数k,最后经过softmax输出每一个类别的分数从而完成分类的任务。

分割任务主要是在第二个transform层后将提取到的局部信息nx64与global feature复制n份粘贴到一起,每一个点的信息包括自己的64维信息加上全局信息1024,总共1088维,融合了语义与空间的信息,然后在由mlp重新提取新特征到128维,然后是再到分割类别m维,至此每个点都是m维信息,n个点每个点表达m类别中的一个。输出逐点的类别,从而完成分割。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论

“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 1
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