新手入门教程 | Pointnet模型的学习与复现全解读

最新推荐文章于 2024-07-09 16:26:08 发布
最新推荐文章于 2024-07-09 16:26:08 发布
阅读量1.9k 收藏 13
点赞数 1
分类专栏： 模型部署 文章标签： 深度学习
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/m0_60673947/article/details/120313005
版权
本文详细介绍了PointNet模型的学习与复现过程。PointNet通过两次空间变换网络解决旋转问题，适用于点云数据处理。借助极链AI云平台，可以便捷创建实例并进行模型复现，包括数据准备、训练和推断。平台还提供了模型详情页，方便用户理解和测试模型效果。现在，平台已更新大量模型和数据库，加速论文复现流程。
摘要由CSDN通过智能技术生成

Pointnet主要解决了空间变换网络解决旋转问题。

它采用了两次STN，第一次input transform是对空间中点云进行调整，直观上理解是旋转出一个更有利于分类或分割的角度，比如把物体转到正面；第二次feature transform是对提取出的64维特征进行对齐，即在特征层面对点云进行变换。

接下来我们一起看看如何快速进行论文复现吧！

首先打开极链AI云的官网，选择模型创建实例：

https://cloud.videojj.com/home

图片

图片

图片

由于平台已经上传了pointnet的模型库，所以能够一键创建实例，轻松又便捷～

接下来就是正式复现的环节啦！

1、在datasets/modelnet40/路径下，准备数据集：

最低0.47元/天 解锁文章
极链AI云
关注
专栏目录
【三维目标分类 】PointNet详解（一）
叶子的博客
05-04 9006
PointNet详细解析，含模型结构和数据介绍，以及实验过程。 Pointnet是基于点云的三维目标检测网络，也是三维深度学习目标检测的基础网络之一。本节将参考Github上的源码进行介绍，GitHub地址为GitHub - yanx27/Pointnet_Pointnet2_pytorch: PointNet and PointNet++ implemented by pytorch (pure python) and on ModelNet, ShapeNet and S3DIS.。 ...
LLaMA模型系统解读
herosunly的博客
05-22 11万+
本文介绍核心内容为LLaMA模型系统解读，希望对学习和使用大模型的同学们有所帮助。 文章目录 1. 前言 2. LLaMA的核心目标和成功诀窍 2.1 核心目标 2.2 成功诀窍一 2.3 成功诀窍二 2.4 成功诀窍三 3. 常见误区 3.1 误区一 3.2 误区二 3.3 误区三 3.4 误区四
多层感知机、激活函数（pointnet算法基础知识）
hm_uin的博客
10-21 1064
学习pointnet算法时引出的相关知识
三维深度学习之pointnet系列详解（一）
热门推荐
qq_15332903的博客
05-09 12万+
目前二维深度学习取得了很大的进步并且应用范围越来越广，随着三维设备的发展，三维深度学习得到了很大的关注。最近接触了三维深度学习方面的研究，从pointnet入手，对此有了一点点了解希望记录下来并分享，若有误希望指正~持续更新以下所有的解读基于点云分类。一、三维深度学习简介二、点云存在的问题三、pointnet网络结构详解四、pointnet代码详解五、参考文献一、三维深度学习简介多视角（multi...
PyTorch复现PointNet——模型训练+可视化测试显示
最新发布
beyond谚语的博客
07-09 2342
PointNet源码调试（模型训练+可视化测试显示）
点云上的深度学习及其在三维场景理解中的应用————From PointNet to PointNet++（二）
weixin_45947476的博客
10-28 981
最近在学3D方向的语义分析。 师兄推荐了一个哔哩大学的将门创投 | 斯坦福大学在读博士生祁芮中台：点云上的深度学习及其在三维场景理解中的应用！的宝藏视频，我会多看几遍，并写下每次观看笔记。 下文的截图都源自讲解的PPT，在我的资源：祁芮中台点云讲解.pdf 全篇手码，内容较多会持续更新。 带问号的句子都是乘上引下的重点作用，文章分为三篇，这是第二篇，请耐心食用。 正文继续 摘要： 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种数据转换成规则的三维体素网格或图像集合。然而，这会使数据
PointNet原理详解
一抹烟霞的博客
05-26 3456
文章目录一、3D点云的挑战二、排序不变性 一、3D点云的挑战 以无序点云作为输入，因此模型需要具备排序不变性 点云的旋转，平移不应该改变点云的类别，因此模型需要具备几何变换不变性 二、排序不变性 排序不变性，即输入的点云的顺序不应该改变点云所代表的物体类别 当一个N×DN \times DN×D 在 N的维度上随意的打乱之后，其表述的应该是同一个物体。为了实现这一点。一个简单的方法是使用对称函数，如SUM和MAX等函数： 因此我们可以利用max函数设计一个很简单的点云网络，如下： 因此我们构造的
PointNet++点云处理TensorFlow版
06-22
PointNet网络模型是直接对三维点云数据进行深度学习的开山之作，PointNet++是对PointNet的改进技术。PointNet++是点云处理深度学习里程碑式的工作，启发了很多后续研究。 原作的PointNet++代码使用Python2.7和...
Win11复现 PointNet ++ 分类任务 || 三维点云深度学习第一篇
weixin_68087022的博客
03-16 853
Win 11系统复现点云分类pointNet++算法 |三维点云深度学习第一篇
PointNet系列代码复现详解(1)—PointNet分类部分
weixin_45699456的博客
03-14 6529
主要就是先记录一下训练轮次等基本信息，开启训练模式，更新学习率，然后开始一轮训练，优化器清零，然后数据增强，然后进行训练，一轮训练结束后会进行一次检测，最后检测结果与以前训练数据进行比较，保存最好的那个。方法计算分类正确的样本数，再除以该类别中的总样本数，即可得到分类器在该类别上的准确率。下面代码就是把训练的模型复制到对应的目录下，以便以后查看和对比，然后就获取对应的分类模型以及损失函数，激活函数。比如是否使用GPU，训练批次大小，模型，训练总轮数，以及优化器，训练日志保存路径等等。
PointNet笔记
10-19
总结PointNet的基本原理，以及实现的方法，解释论文中难以理解的部分。
使用 PointNet 对点云进行分类：此演示展示了如何使用对 PointNet 使用深度学习的方法对点云进行分类。-matlab开发
05-31
[英语] 这个例子展示了如何训练 PointNet [1] 网络进行点云分类。点云数据由各种传感器获取，例如激光雷达、雷达、深度相机和 iPad LiDAR。这个例子在 3D 点上训练 PointNet 分类器iPad LiDAR扫描的云。由于这个例子只是为了展示如何使用MatLab实现PointNet分类器，因此训练和测试相同的点云进行分类。请使用您的数据进行更多探索。注意本示例是基于Matlab官方创建的文件 [2]。 [日本人]在本例中，3D 点云通过深度学习点云学习方法（PointNet）进行分类。 PointNet [1] 将点云作为输入并返回其类别。此示例基于 MATLAB 官方文档 [2]。 iPad LiDAR 获取的点云作为样本数据。用作训练数据和测试数据的点云存储在所谓的数据存储中，可以在不消耗大量内存的情况下高效地进行学习和验证。在这里，我们将使用我们自己的数据存储
三维点云网络PointNet——模型及代码分析
TomRen
09-18 1万+
PointNet架构 PointNet主要架构如下图所示： 主要包含了点云对齐/转换、mpl学习、最大池化得到全局特征三个主要的部分。 -T-Net用于将不同旋转平移的原始点云和点云特征进行规范化； mpl是多层感知机，n个共享的mpl用于处理n个点/特征； max pooling 用于融合多个特征并得到全局的1024维的特征； 最后根据任务的不同，利用一个MPL实现分类；结合局部信息利用多个...
Pointnet++网络详解
ice
08-03 7241
pointnet和pointnet++简直就是点云深度学习界的resnet呀，经典永流传。本博文将结合论文和代码来详细地分析pointnet++网络，包括最远点采样方法，网络结构等。
Pointnet训练log文件包含模型
qq_34792438的博客
06-12 8273
Pointnet训练log文件包含模型 训练一次即可，只需要改进自己的代码，无需再跑作者代码，大家需要直接下载。 链接：https://pan.baidu.com/s/1fy1OkGDUwzw5UcMT6MUMXA 提取码：o0zh
【三维目标分类】PointNet++详解（一）
叶子的博客
05-07 1万+
三维目标分类 — PointNet++详解（二），详细介绍PointNet++，含数据、代码和原理直观解析。​ 上一节主要介绍了PointNet分类，本节将进一步介绍PointNet++点云分类。本节仍然参考Github上的源码进行介绍，PointNet采用全局最大值池化的方式对全体点云进行了特征抽取，这导致了对局部特征的考虑不足。PointNet++通过分组采用PointNet的方式对局部特征进行了提取。GitHub地址为GitHub - yanx27/Pointnet_Pointnet...
PointNet解读
xsh_roy的博客
05-09 1万+
PointNet解决的问题： 如上图所示： 1.点云图像的分类（整片点云是什么物体） 2.点云图像的部件分割（整片点云所代表的物体能拆分的结构） 3.点云图像的语义分割（将三维点云环境中不同的物体用不同的颜色区分开） 论文中展示的输入输出效果： 1.部件分割的效果（左边是输入不完整的点云，右边是输入完整的点云） 2.语义分割的效果 论文中提到的点云的三个特性： 1.点的无序性：点云是无序的集合，点与点之间没有严格的顺序，如将两个点交换之后仍然表示同一个点云。 2.点之间的相互作.
pointnet
qq_40230900的博客
04-28 232
https://blog.csdn.net/weixin_36662031/article/details/83584670
pointnet++的复现
05-17
PointNet++是一个基于点云的深度学习模型，用于点云分类、语义分割和目标检测等任务。复现PointNet++需要以下步骤： 1.数据准备：从网上下载点云数据集，如ModelNet40、ShapeNet等，或者自己生成点云数据集。 2.数据处理：将点云数据转换成模型可接受的格式。可以使用Python的NumPy库或开源库plyfile。 3.模型搭建：根据PointNet++的网络结构，使用TensorFlow或PyTorch等深度学习框架搭建模型。 4.训练模型：使用训练数据集对模型进行训练，并对模型进行调优。 5.测试模型：使用测试数据集对模型进行测试，并评估模型的性能。 6.优化模型：根据测试结果对模型进行优化，如增加训练数据、调整超参数等。 在复现PointNet++时，可以参考已有的开源代码，如GitHub上的PointNet++实现。同时，也需要对PointNet++的论文进行仔细阅读和理解，以深入了解其网络结构和训练方法，从而更好地复现该模型。
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