PointNet代码阅读笔记

最新推荐文章于 2024-06-14 16:59:57 发布
最新推荐文章于 2024-06-14 16:59:57 发布
阅读量951 收藏
点赞数 1
分类专栏： 基于点云的目标检测 文章标签： 代码 突破
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/ssq183/article/details/92214367
版权

第一步：了解数据集和数据预处理

ModelNet数据集

改数据集是由论文[3D ShapeNets: A Deep Representation for Volumetric Shapes]提出的，按照模具的类别分：

1. ModelNet[10]

  • 包含10个类别共包含10个类别：浴缸、床、椅子、桌子等单个物体- 每一种类别中模具的个数不等
  • 模具的方向已经对齐

2. ModelNet[40]

  • 包含40个类别
  • 分为对齐之后的和未对齐的。对齐之后的数据集是由论文[N. Sedaghat, M. Zolfaghari, E. Amiri and T. Brox authors of Orientation-boosted Voxel Nets for 3D Object Recognition]提出的。

这些CAD模具的数据格式是Object File Format (OFF). ，网站上提供了MATLAB可视化函数

注：Object File Forma
最低0.47元/天 解锁文章
Anniessq
关注
专栏目录
论文阅读笔记 | 三维目标检测——F-PointNet算法
Clichong
11-18 2561
基与鸟瞰图投影的方法（类似MV3D）会在垂直方向上存在物体的遮挡，难以推广到其他更加广泛的真实场景。且现有对深度信息的提取也只限于二维特征图中（一般构造成二维的深度特征图），这样的量化表征方式会模糊自然3d对象的模式。现有工作很少直接对点云数据进行直接处理，此时出现了两个直接基于点云提取特征的结构：PointNet与PointNet++，如何利用这两个新颖结构进行3d目标检测也是难点之一。 F-PointNet的一大创新是利用点云数据来表示深度信息，而不是映射在二维的深度通道上。简单来说，对来自RGB图像
论文阅读笔记 | 三维目标检测——PointNet
Clichong
11-15 913
同时，在后续的提取特征中，同样对特征进行规范空间中的对齐。操作方法类似，也是利用提取后的特征通过T-Net获得仿射矩阵再作用到特征上实现变换，不过由于特征的维度一般比较大，难以优化，所以训练会添加一个正则化项，将特征的仿射矩阵转化为一个正交矩阵，同时正交矩阵是不会在输入中丢失信息的。这里PointNet用了很简单的方法，就是把这里获得的全局特征拼接到每个点的局部特征上，完成了局部特征与全局特征的结合，后续再使用一个共享参数的MLP来对这个局部和全局拼接的特征进行降维，再进行后续分割任务，对每个点进行分类。
PointNet笔记
10-19
总结PointNet的基本原理，以及实现的方法，解释论文中难以理解的部分。
PointNet阅读笔记
yucong96的博客
03-05 428
基本上翻译自[1]:Pointnet: Deep learning on point sets for 3d classification and segmentation，加了一点个人理解。 Introduction 典型的卷积结构需要规则的数据结构，比如图像或者voxel模型。对于点云、mesh这样的非规则数据结构，往往就会将它们转化成voxel模型或多视角下的二维图片，再用卷积进行处理。二维...
PointNet网络模型代码解析
最新发布
CZZ_CS的博客
06-14 375
PointNet网络模型的实现代码的pytorch版本介绍
PointNet代码详细解释(Pytorch版本)
热门推荐
yuanmiyu6522的博客
03-24 1万+
pointnet.pytorch的代码详细解释1. PointNet的Pytorch版本代码解析链接2. 代码解释2.1 代码结构思维导图2.2 代码注释2.2.1 build.sh2.2.2 render_balls_so.cpp2.2.3 download.sh2.2.4 train_classification.py2.2.5 dataset.py功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右S
PointNet++ 笔记
泊柴的博客
06-22 427
PointNet++ 笔记 1. 引言 PointNet++ 是在 PointNet 的基础上进行改进得到的。PointNet 是对点云中每一个点都学习一个空间编码 (spartial encoding, 在 GNN 中也叫做节点嵌入)，然后将所有点的特征用最大池化聚合为一个能表示点云的全局特征。从 PointNet 的网络结构上看，它并没有考虑点云的局部特征，但是根据 CNN 网络设计的成功经验来看，点云的局部结构也是相当重要的。在 CNN 中，一个好的网络结构，往往能够学习到图像的高低不同层次的特征，在
pointnet:PyTorch实施的“ PointNet
05-15
PyTorch实现的“ PointNet：针对3D分类和分段的点集深度学习” 中型文章详细说明了实现的关键点。 分类数据集 此代码在数据集上实现对象分类。 与原始论文一样，我们根据当前面的面积在对象表面上采样1024个点。 ...
【论文阅读】PointNet++论文解读以及代码分析（超全）
毛毛的博客
01-19 5202
系列文章目录 第一章 PointNet论文解读以及代码分析 第二章 PointNet++论文解读以及代码分析 文章目录系列文章目录前言1. PointNet的不足与PointNet++的解决方法1.1 PointNet存在的问题1.2 PointNet++采用的解决方法2. PointNet++网络结构详解2.1 改进特征提取方法2.2 对于非均匀点云的处理方法3. PointNet++代码分析总结 前言 上一篇文章主要介绍了点云处理的经典之作PointNet的整体思想和框架，本篇文章将介绍其团队基于
HandPointNet
12-31
HandPointNet，by geliuhao，pytorch，备份～
PointNet学习笔记
weixin_43489950的博客
10-31 257
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。 ...
PointNet论文及代码详细解析
toCVer的博客
06-21 3680
PointNet
PointNet代码详解
moumde的博客
06-02 1万+
PointNet代码详解 最近在做点云深度学习的机器人抓取，这篇博客主要是把近期学习PointNet的一些总结的知识点汇总一下。 PointNet概述详见以下网址和博客，这里也就不再赘述了。 三维深度学习之pointnet系列详解 PointNet网络结构详细解析 PointNet论文理解和代码分析 PointNet论文复现及代码详解 这里着重来探讨一下内部的代码（pointnet-master\models路径下的）。 PointNet原文及Github代码下载 详细的网络结构图如下 主要讲一下应该注意
PointNet++阅读笔记
pikachu_777的专栏
10-10 2438
PointNet++阅读笔记 ​ pointNet使用对称函数整合全局信息，解决点的无序性问题，然而从单点使用mlp的特征提取，到max pooling进行全局特征整合，最终得到的特征，都只是从一个点上提取的，没有考虑点和点之间的相关性特征。 ​ pointNet++就在此基础上，提取了局部相关性的特征，这种局部特征被认为是距离尺度空间所展现的性质，比如点的密度信息。文章不仅仅局限于欧式空间，me...
PointNet 论文阅读笔记
weixin_40671425的博客
06-09 857
摘要 点云是几何数据结构的一种重要类型。 由于格式不规则，大多数研究人员将此类数据转换为规则的3D voxel网格或图像集合。 但是，这使数据变得不必要地庞大，并导致了问题。 在本文中，我们设计了一种直接消耗(consume)点云的新型神经网络，该网络很好地考虑了输入中点的排列不变性。 我们的网络名为PointNet，为从目标分类，分割，到场景语义解析的应用程序提供了统一的体系结构。 虽然很简单，但PointNet高效且高效。 从经验上讲，它表现出同等甚至优于现有技术的强大性能。 从理论上讲，我...
PointNet++论文笔记
lzn025的博客
03-12 428
说明： 1.此乃本人阅读论文过程中所记录的笔记，由于本人水平有限，难免会出现遗漏重点或表述不清等问题，请各位见谅。同时希望各位指出我的问题，让我发现问题所在，谢谢大家Thanks♪(･ω･)ﾉ。 2.有些用词根据原文翻译（或是直接用原文），可能语句不通畅。（毕竟我是一个六级考了五次的憨憨） 3.数据处理部分和结论分析部分没有加入，此处主要为了理清文章描述方法的处理流程。 论文题目：PointNet++: Deep Hierarchical Feature Learning on Point Sets in
提升技能：高效代码阅读指南
课程分为四个部分：认识代码阅读、代码阅读的工具、代码阅读的方法与技巧、大型项目代码阅读，同时提供了类似阅读中文的策略，如精读、速读和写读书笔记，以增强理解和记忆。" 在快速发展的信息技术领域，代码阅读...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值