针对论文《SGPN: Similarity Group Proposal Network for 3D Point Cloud Instance Segmentation》学习
这是一个直接对点云进行处理的模型,简单来说,它通过构造相似矩阵S判断一组点(Pi,Pj)是否属于同一特征,判定条件就是构造特征的欧几里得距离,即L2范数的公式。
围绕以上公式,构造相似矩阵。并求取矩阵的损失值(loss)。根据可能出现的三种情况:
(1)属于同一实例,(2)属于同一类别,不属于同一实例,(3)不属于同一类别分别定义自己的求取l值的公式。
但C=2,3时可以归纳为一种情况(不属于同一实例),但这里划分开给第二类中设置了一个权重因子α>1,这样可以提高语义预测分支的权重。
该模型的整体结构很简单,明白了相似性矩阵怎么来的如何做就懂了这篇文章的大体思想,或许可以把这种矩阵加入到别的模型融合一下,虽然对边界处的置信度比较低,对于非边界处的识别精度还可以加以运用。