【三维目标分类】PointNet++详解（一）

已于 2023-05-12 09:18:45 修改
阅读量1.3w 收藏 74
点赞数 11
分类专栏： Python三维点云实战宝典 文章标签： PointNet++ PointNet2 PointNet 点云分类 python
于 2022-05-07 12:47:31 首次发布
本文为博主原创文章，未经博主允许不得转载。
本文链接：https://blog.csdn.net/suiyingy/article/details/124617804
版权
本文是《python三维点云从基础到深度学习》系列文章的一部分，详细介绍了PointNet++在点云分类中的应用。相较于PointNet，PointNet++通过Set Abstraction（SA）模块改善了局部特征的提取，它包含随机采样、分组和PointNet特征提取步骤。文章还介绍了PointNet++的模型结构和训练评估程序，以及损失函数的设计考虑。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

本文为博主原创文章，未经博主允许不得转载。
本文为专栏《python三维点云从基础到深度学习》系列文章，地址为“https://blog.csdn.net/suiyingy/article/details/124017716”。

         上一节主要介绍了PointNet分类，本节将进一步介绍PointNet++点云分类。本节仍然参考Github上的源码进行介绍，PointNet采用全局最大值池化的方式对全体点云进行了特征抽取，这导致了对局部特征的考虑不足。PointNet++通过分组采用PointNet的方式对局部特征进行了提取。GitHub地址为GitHub - yanx27/Pointnet_Pointnet2_pytorch: PointNet and PointNet++ implemented by pytorch (pure python) and on ModelNet, ShapeNet and S3DIS.。 

        文中涉及到PointNet的地方请参考上一篇文章的详细介绍

了解本专栏 订阅专栏 解锁全文 超级会员免费看
论文阅读笔记 | 三维目标检测——PointNet++
Clichong
11-15 2205
PointNet作为直接以点云格式数据为输入的开创性网络，还存在需要改进的地方。曾经提及到，PointNet考虑到了全局性特征的方向拼接处理，但是忽视了点云局部特征的捕获。以CNN为例，通过递归性的卷积提取图像的局部特征，以实现在深层次中获得较大的感受野。那么，对于点云数据来说，也可以进行递归性提取局部特征，捕获点云的细粒度特征。为此PointNet++的主要思想就是，对点云继续局部划分然后进行局部性特征提取，随后再进行局部划分点云数据再对每个部分进行特征提取，从而实现层级性的特征提取操作。不断重复这个过程
【三维目标分类 】PointNet详解（一）
叶子的博客
05-04 9394
PointNet详细解析，含模型结构和数据介绍，以及实验过程。 Pointnet是基于点云的三维目标检测网络，也是三维深度学习目标检测的基础网络之一。本节将参考Github上的源码进行介绍，GitHub地址为GitHub - yanx27/Pointnet_Pointnet2_pytorch: PointNet and PointNet++ implemented by pytorch (pure python) and on ModelNet, ShapeNet and S3DIS.。 ...
计算机视觉｜3D 点云处理黑科技：PointNet++ 原理剖析与实战指南
最新发布
紫雾凌寒
03-06 1353
PointNet++在技术融合与应用扩展方面展现出广阔前景。在技术融合方面，它能够与Transformer结合，利用Transformer处理长距离依赖的能力，提升大规模点云数据的分析效率；同时，与生成对抗网络（GAN）结合，通过GAN实现点云补全和生成，显著增强模型对缺失数据的处理能力。在应用扩展方面，PointNet++展现出多样化的潜力。在医疗领域，它可以分析医学影像中的点云数据，辅助医生识别病变组织，从而提升诊断的准确性。在文物保护领域，通过处理文物扫描的点云数据，PointNet++支持文物的数字
PointNet++详解
qq_24505417的博客
09-22 1万+
PointNet++：使用set abstraction结构逐层提取特征，采样后的点融合了邻域点的特征信息，同时每次采样只保留一半的点云，后续网络层的感受野逐渐扩大，最后通过聚合函数得到紧密的全局点云特征表示。 Set abstraction 包括 sampling，grouping 和PointNet三部分： 1）sampling：对输入点云进行采样，只保留部分点进入下一层网络。采样数一般是输入点云总数量的一半， 采样算法是Farthest point...
PointNet++网络详解
pengxiang1998的博客
10-08 2525
其中，对于points，16是batch-size，4096是点云数量（我们在前一篇博客中说过，为了使输出的值统一，我们的输入值的数量也要统一，这里设置一个batch中输入的点云数量为4096，9则是其点云维度。组合点云和类别，在先前为方便运算，将场景中的点云进行了切分，每个batch含有4096个，在完成对4096个点的分类后，将其组合起来，即恢复为原来的场景。下面的代码是训练的核心部分，即完成加载数据集，将数据送入模型，计算损失，反向传播等功能，其中我们着重看一下数据在模型中是如何变化的。
Pointnet++网络详解
ice
08-03 1万+
pointnet和pointnet++简直就是点云深度学习界的resnet呀，经典永流传。本博文将结合论文和代码来详细地分析pointnet++网络，包括最远点采样方法，网络结构等。
PointNet原理详解
一抹烟霞的博客
05-26 4029
文章目录一、3D点云的挑战二、排序不变性 一、3D点云的挑战 以无序点云作为输入，因此模型需要具备排序不变性 点云的旋转，平移不应该改变点云的类别，因此模型需要具备几何变换不变性 二、排序不变性 排序不变性，即输入的点云的顺序不应该改变点云所代表的物体类别 当一个N×DN \times DN×D 在 N的维度上随意的打乱之后，其表述的应该是同一个物体。为了实现这一点。一个简单的方法是使用对称函数，如SUM和MAX等函数： 因此我们可以利用max函数设计一个很简单的点云网络，如下： 因此我们构造的
【三维语义分割】PointNet++ （二）：模型结构详解
叶子的博客
05-08 7616
PointNet++语义分割详细介绍，从S3DIS数据集处理到模型结构分析，以及代码运行等。 ​本节主要介绍PointNet++语义分割，其中主干网络和代码环境等PointNet++详细介绍请参考​​​​​​​三维目标分类 — PointNet++详解（二）_Coding的叶子的博客-CSDN博客，这里不再进行重复介绍。 1 代码环境部署 请参考​​​​​​​三维目标分类 — PointNet详解（一）_Coding的叶子的博客-CSDN博客。 2 数据介绍 ...
【三维深度学习】PointNet++（三）：多尺度分组MSG详解
叶子的博客
05-07 8029
三维目标分类 — PointNet++多尺度分组MSG详解（三），详细介绍PointNet++，含数据、代码和原理直观解析。 ​上 一节详细介绍了PointNet++点云分类。PointNet++通过SA模块对原始点云进行采样分组，如果只是采用单一半径尺度和固定采样点数，那么分组内的点云会受点云密度的影响。如果点云过于稀疏，那么小半径尺寸无法将稀疏的点云进行分组，从而无法提取到稀疏点云的特征。在单一尺度分组的PointNet++结构中，第一层的SA分组半径最小，后续SA层都是基...
PointNet++详解与代码
10点43的博客
05-25 3万+
在之前的一篇文章《PointNet：3D点集分类与分割深度学习模型》中分析了PointNet网络是如何进行3D物体分类与分割的。
PointNet++
chengle的博客
06-24 5390
[NIPS 2017]PointNet++: Deep Hierarchical Feature Learning onPoint Sets in a Metric Space 语雀（原文内容多一点，CSDN导不进来） [论文地址][项目页面][GitHub] 在之前的文章中分析了PointNet网络是如何进行3D点云数据分类与分割的。但是PointNet存在的一个缺点是无法获得局部特征，这使得它很难对复杂场景进行分析。在PointNet++中，作者通过两个主要的方法进行了改进，使得网络能更好的提取局部
pointnet++
YLL_1996的博客
03-09 703
Pointnet++ 提出多层次特性提取结构。还提出多尺度的方法解决样本不均匀的问题，对分类的精度没有贡献，但在样本稀疏的时候对模型更加鲁棒。 核心：a.利用空间距离，使用pointnet对点集局部区域特征迭代提取，学到局部尺度越来越大的特征。b.点集分布不均匀，提出自适应密度的特征提取方法。 Pointnet++是pointnet的延伸，在pointnet的基础上加入多层结构，使得网络能在够越来越大的区域提供更高级别的特征。 每一组抽象层都主要包含三个部分：采样层、分组层、特征提取层 Sampling
三维深度学习之pointnet系列详解（一）
热门推荐
qq_15332903的博客
05-09 13万+
目前二维深度学习取得了很大的进步并且应用范围越来越广，随着三维设备的发展，三维深度学习得到了很大的关注。最近接触了三维深度学习方面的研究，从pointnet入手，对此有了一点点了解希望记录下来并分享，若有误希望指正~持续更新以下所有的解读基于点云分类。一、三维深度学习简介二、点云存在的问题三、pointnet网络结构详解四、pointnet代码详解五、参考文献一、三维深度学习简介多视角（multi...
基于PyTorch实现PointNet++
zhulf0804的博客
09-11 7303
关于点云的深度学习表示 PointNet / PointNet++是基于深度学习方法的点云表征的里程碑式的工作, 都出自于斯坦福大学的Charles R. Qi, 这两个工作分别收录于CVPR 2017和NIPS 2017. 最近，我在读一些关于点云配准和点云表示学习的深度学习论文，了解到目前点云的深度表示/学习有几个火热的研究方向: 基于point wise + MLP提取特征，典型代表是PointNet++; 基于Pseudo Grid和常规卷积提取特征，典型代表是ICCV 2019的工作KPConv
PointNet++分类与分割详解
weixin_41202834的博客
04-22 6534
前言 PointNet++是一个用于对不规则形状的点云数据进行分类和分割任务的深度神经网络。相对于传统的基于网格的3D数据表示方法，点云数据更易于获取和处理。PointNet++的另一个优势是它引入了多尺度层次结构，可以处理更为复杂的点云数据。相比于第一版的PointNet网络作者提出了许多新的想法，也取得了很不错的效果。PointNet算法存在的问题（1）一幅点云图像点数量太多，这会...
3D点云深度学习框架PointNet、PointNet++详解
weixin_45761030的博客
03-13 4434
PointNet、PointNet++架构详细解读，实战演练，点云深度学习框架不再困难
PointNet
longer88888的博客
06-05 2084
PointNet讲解 原理就是把低维数据用多维数据表示，然后最大值池化。MLP是多层感知机，max是最大值池化效果最好。 参考 https://web.stanford.edu/~rqi/ PointNet讲解 ...
PointNet、PointNet++
Lee.rw的博客
03-21 3200
PointNet PointNet vanilla 亮点 端到端学习 通用的框架 Object Classification Object Part Segmentation Semantic Scene Parsing Challenges 输入的点云是无序的 需要做到对几何变换的invariance C1: 作为输入的点云实际上就是point的集合，是无序的，但是目前的深度学习关...
pointnet代码详解
09-19
PointNet是一种用于处理三维点云数据的深度学习模型。它是由Charles R. Qi等人在2017年提出的。PointNet的目标是对不同形状的物体进行分类、分割和识别等任务。 PointNet的网络结构包括两个主要部分：特征提取网络...
评论 5
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

打赏作者

Coding的叶子

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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