PointNet
文章平均质量分 92
CUHK-SZ-Bf
一只小程序员
展开
-
点云网络的论文理解(六)-Frustum PointNets 总体概括
这里的总结一下:1.解决什么总体问题:解决三维空间中的目标识别,最终结果是用一个小盒子也就是bounding box把这个东西框起来。2.解决什么痛点 :1.原有的方案中忽略了三维最原始的特性。2.在大的空间当中,小的常常被忽略。3.遮挡的问题。 4.点稀疏的问题。3.怎么解决:1.直接使用点云数据,减少手工处理的影响,2.不是严格的使用3D或是2D的方案,是在3D的框架下,结合2D的出色经验。研究提出的背景1.在二维空间分类问题和语义分割问题都取得了很好的进展,但是在三维空间使用boundi原创 2021-07-09 20:36:59 · 865 阅读 · 0 评论 -
点云网络的论文理解(三)-点云网络的优化 PointNet++的总体说明
总体说明这个部分是为了让大家可以更好地理解文章1.以前的网络有什么缺点1.首先第一点就是论文当中反复提到的没有局部特征的问题。2.另外一个就是PointNet不具有平移不变性,理解一下这个,PointNet最后是一个maxpooling所以决定是不是选择当前内容的唯一因素是大小,因为除了pooling之外使用的就只有mlp,之前的所有一系列处理其实都可以等价为乘上一个参数,每个的参数可能不同,有正有负,所以最终可能是:以向上平移为例,原坐标变大,结果坐标有的变大有的变小。所以不能保证平移不变性。原创 2021-07-05 20:24:03 · 761 阅读 · 1 评论 -
点云网络的论文理解(一)-点云网络的提出 PointNet : Deep Learning on Point Sets for 3D Classification and Segmentation
1.摘要1.1逐句翻译Point cloud is an important type of geometric data structure.点云是一种重要的数据结构。Due to its irregular format, most researchers transform such data to regular 3D voxel grids or collections of images.由于其格式不规则,大多数研究人员将此类数据转换为规则的3D体素网格或图像集合。This, how原创 2021-07-03 11:57:37 · 2831 阅读 · 2 评论 -
点云网络的论文理解(二)- PointNet的pytorch复现
1.了解PointNet为了更好的复现这个东西我们需要先了解这个东西,先把原文给出的图片放在这里,之后我们再一点点理解。1.1点云的特点1.1.1无序性:也就是说这个点的先后顺序和实际上是什么无关你不管这些点加入集合的顺序如何,最后的最后他们组成的图形还是那么个图形,也就是说这些东西的顺序是完全没有必要的。所以我们必须使用对称的函数:也就是说,这个函数必须要满足,你怎么调换函数变量的输入顺序,函数的计算结果也都不发生变化也就是下图:所以,我们看一下我们有哪些函数满足这个特点:显然max是原创 2021-07-01 09:25:29 · 4290 阅读 · 5 评论