点云深度学习系列3——PointNet/PointNet++代码比较

最新推荐文章于 2024-07-29 16:32:20 发布

Leroy Sane

最新推荐文章于 2024-07-29 16:32:20 发布

阅读量8.2k

点赞数 1

分类专栏： point cloud 文章标签： PointNet point cloud deep leaning

本文链接：https://blog.csdn.net/qq_33278989/article/details/80262971

版权

本文对比分析了PointNet与PointNet++在点云分类任务中的实现代码。PointNet网络结构包括特征提取（T-net, mlp, conv2d, T-net, mlp）和分类两部分，而PointNet++则更复杂，采用Set abstraction layers，无T-net，包含3个pointnet_sa_module，每个模块含3个mlp和1个pooling层，分类部分与PointNet相似。" 116185786,10296397,Python删除文件中特定行的技巧,"['Python', '文件处理', '文本操作']

摘要由CSDN通过智能技术生成

文章就不介绍了，这里主要说代码。

PointNet++是PointNet的升级版本，主要增加了对局部信息的感知能力。体现到代码上的话，变化还是比较多的，我们以分类为例，对二者的实现代码进行对比分析。

首先是网络结构方面，PointNet：

def get_model(point_cloud, is_training, bn_decay=None):
    """ Classification PointNet, input is BxNx3, output Bx40 """
    batch_size = point_cloud.get_shape()[0].value
    num_point = point_cloud.get_shape()[1].value
    end_points = {}

    with tf.variable_scope('transform_net1') as sc:
        transform = input_transform_net(point_cloud, is_training, bn_decay, K=3)
    point_cloud_transformed = tf.matmul(point_cloud, transform)
    input_image = tf.expand_dims(point_cloud_transformed, -1)#在最后增加一个维度

    net = tf_util.conv2d(input_image, 64, [1,3],
                         padding='VALID', stride=[1,1],
                         bn=True, is_t