点云深度学习系列2——PointNet/PointCNN代码比较（变换矩阵部分）

PointNet与PointCNN从文章到代码都有很多相似之处，两者对比看待，或许更有助于我们理解。

众所周知，PointNet中使用了maxpooling和T-net，作者文章中起到关键作用的是maxpooling，而T-net对性能的提升作用也还是有的（两个T-net加上regularization 贡献了2.1个百分点），但奇怪的是在PointNet++的代码中，已经看不到T-net了（这一点论文没有提及，github上也有人提问，但是作者没有回复）。

但是，与之相似的PointCNN中有个X变换矩阵，但X变换对于PointCNN的作用可就非常重要了，因为它连maxpooling都没有用。下面我们就对两者进行比较。

首先是PointNet中的T-net代码：

 

def feature_transform_net(inputs, is_training, bn_decay=None, K=64):
    """ Feature Transform Net, input is BxNx1xK
        Return:
            Transformation matrix of size KxK """
    batch_size = inputs.get_shape()[0].value
    num_point = inputs.get_shape()[1].value

    net = tf_util.conv2d(inputs, 64, [1,1],
                         padding='VALID', stride=[1,1],