SGPN论文小笔记

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。