Pointnet++内Partseg分割网络训练自己的数据集

Pointnet++中cls代表分类，对应数据集（ModelNet）；partseg代表零件分割，对应数据集（ShapeNet）；semseg（semantic segmentation）代表场景分割，对应数据集（S3DIS）。

parseg：

任务描述：用于将一个复杂物体分割成其组成部分，例如，对飞机模型，将机翼、机身和尾翼等部分分开标注。

目标：识别和区分出每个具体部分，这些部分是整个物体的组成单元。

应用场景：用于CAD模型分析，机器人抓取等。

semseg：

任务描述：将点云中每个点分配给一个语义类别，例如，在一个室内场景中，将点云中的点分类为桌子、椅子、墙壁等。

目标：将场景中的每个点都标注为一个特定的类别，关注的是点的语义信息。

应用场景：常用于自动驾驶，场景理解，环境建模等。

一、数据集构成

分割网络的数据集参照：ShapeNet。

自制数据集构成如下，一个book类别，类别里有两个部件。

二、代码修改

首先，修改train_partseg.py文件：

1、最开始的seg_classes所在行；

2、root所在行；

3、num_classes所在行；

4、num_part所在行。

接着修改pointnet2_part_seg_msg。参考博客：【PointNet++】Part-Segement局部分割训练自制数据集_pointnet++ part seg-CSDN博客

三、如何训练

训练代码：

python train_partseg.py --model pointnet2_part_seg_msg --normal --log_dir pointnet2_part_seg_msg_XXX
##记得改log dir名

四、如何测试

修改test_partseg.py文件：用pointnet++分类自己的点云数据_pointnet++文件类型-CSDN博客