2020-FPConv阅读笔记

最新推荐文章于 2023-09-05 14:59:49 发布
最新推荐文章于 2023-09-05 14:59:49 发布
阅读量223 收藏
点赞数
分类专栏： paper 点云深度学习 文章标签： pointcloud segment
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/suyunzzz/article/details/112304728
版权

FPConv: Learning Local Flattening for Point Convolution

cvpr2020

将已有的点云学习方式分为

  • Volumetric-style point convolution
  • Graph-style point convolution
  • Surface-style point convolution

创新

提出一种基于表面的学习方式，通过学习一个权重矩阵，将采样点的的邻域点映射为一个平面，再使用2D CNN进行局部特征聚合。

image-20210107095703275

具体实现

image-20210107095746223

现将局部点云使用PointNet提取特征，然后学习一个映射矩阵，再使用2d cnn进行特征聚合。

对于大场景的分割问题设计如下网络结构：

image-20210107100527907

实验结果

可以和一些网络（volumetric-style）相互补充

image-20210107100827748

在s3dis上，FPConv对简单结构表现良好，KPConv对复杂结构表现良好

image-20210107102948582

Tech沉思录
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
【点云系列】FPConv：Learning Local Flattening for Point Convolution
weixin_43882112的博客
09-09 356
FPConv：Learning Local Flattening for Point Convolution 论文：https://arxiv.org/abs/2002.10701 代码：https://github.com/lyqun/FPConv 1. 问题： 提出了一种 平面化的卷积方法，摒弃了先映射再2D卷积的两步骤，合称为一个过程定义为FPPConv的平面卷积操作，通过学习权重矩阵来实现。 简言之，就是，为每个面片（每个点及其邻居点所构成）学习非线性投影，然后展平到2D栅格内。 为什么？ 不需要
探索 KPConv：一种革命性的深度学习方法用于处理3D点云数据
最新发布
gitblog_00092的博客
04-14 430
探索 KPConv：一种革命性的深度学习方法用于处理3D点云数据 项目地址:https://gitcode.com/HuguesTHOMAS/KPConv 在计算机视觉和机器学习领域，3D点云数据的处理一直是一个挑战。现在，通过HuguesTHOMAS开发的开源项目KPConv，我们可以看到一个创新的解决方案，它为3D点云上的卷积神经网络（CNN）提供了一种灵活且高效的方法。 项目简介 KPCon...
《论文阅读》FPConv: Learning Local Flattening for Point Convolution
未知丶的博客
10-16 476
留个笔记自用 FPConv: Learning Local Flattening for Point Convolution 做什么 Point Cloud Based Semantic Analysis基于点云的语义分析 做了什么 怎么做 总结
【点云识别】FPConv: Learning Local Flattening for Point Convolution (CVPR 2020)
Orientliu96的博客
03-19 1298
FPConv: Learning Local Flattening for Point Convolution 本文介绍一篇cvpr2020里面关于点云识别的文章。 论文 代码 1. 问题 给出了一种平面化的卷积方式 2. 思想 摒弃了先映射再卷积的两步骤处理方式，将两个过程合成一个过程。定义了FPConv 的平面卷积操作。 整个网络的架构如下 3. 算法 FPConv 相当于将每个点及其...
CVPR 2020——FPConv: Learning Local Flattening for Point Convolution
Dujing2019的博客
05-08 921
FPConv: Learning Local Flattening for Point ConvolutionAbstract（一） Introduction（二）FPConv3.1. Learn Local Flattening3.2. Implementation（三）Architecture3.1. Residual FPConv Block3.2. Multi-Scale Analysis3.3. Fusing Two Convolutions（四）Experiments4.1. 3D Shape
【文献翻译】KPConv：灵活且可变形的点云卷积
大秦帝国
06-27 3138
摘要 我们提出了核点卷积(KPConv)，一种新的点卷积设计，即在没有任何中间表示的点云上运行。KPConv的卷积权值通过核点在欧氏空间中定位，并应用于核点附近的输入点。它可以使用任意数量的内核点，这使KPConv比固定的网格卷积更灵活。此外，这些位置在空间上是连续的，可以通过网络学习。因此，kpconv可以扩展到可变形的卷积，学习适应核点局部几何。由于有规律的子采样策略，KPConv对于不同的密度也是有效和健壮的。无论是对复杂任务使用可变形的KPConv，还是对简单任务使用刚性的KPConv，我们的网络
Architecture Patterns with Python-2020-英文版 笔记
12-21
《Architecture Patterns with Python-2020》-英文版 笔记 Harry Percival and Bob Gregory 《Architecture Patterns with Python-2020》-英文版 笔记 Harry Percival and Bob Gregory 《Architecture Patterns with...
TypeScript Quickly-2020-英文版 学习笔记
12-21
TypeScript Quickly-2020-英文版 学习笔记 TypeScript Quickly-2020-英文版 学习笔记 TypeScript Quickly-2020-英文版 学习笔记 TypeScript Quickly-2020-英文版 学习笔记 TypeScript Quickly-2020-英文版 学习笔记 ...
HCIA - 80期笔记 HCIA - 80期笔记
01-07
HCIA - 80期笔记
2020-1-5课堂笔记1
08-08
创建属于自己网站需要经历下面三步骤：1：购买一个服务器2：购买域名3：DNS解析【域名解析：目的是让服务器认识域名、让域名认识服务器】问题：当用户在地址栏中输入
KPConv-PyTorch:在PyTorch中实现内核点卷积
05-07
由Hugues THOMAS创建 介绍 该存储库包含PyTorch中的内核点卷积（KPConv）的。 Tensorflow也提供 （原始但较旧的实现）。 提供了另一种实现方式 KPConv是我们的ICCV2019论文（ ）中介绍的点卷积算子。 如果您发现我们的工作对您的研究有用，请考虑引用： @article{thomas2019KPConv, Author = {Thomas, Hugues and Qi, Charles R. and Deschaud, Jean-Emmanuel and Marcotegui, Beatriz and Goulette, Fran{\c{c}}ois and Guibas, Leonidas J.}, Title = {KPConv: Flexible and Deformable Convolution for Point
KPConv 论文学习笔记
weixin_43508459的博客
01-16 1057
通过对于核点（kernel point）赋予权重矩阵并通过其定义空间，每一个核点的影响范围由一个函数确定。核点的个数是可变的。 同时在基础模型之上还提出了一个deformable版本的卷积。这种模型在每个卷积位置（核点）产生不同的偏移，这意味着它可以为输入云的不同区域调整其核点分布的形状。
KPConv核心代码阅读
3D的博客
03-07 3305
KPConv/models/network_blocks.py 看看KPConv层的具体实现 def KPConv(query_points, support_points, neighbors_indices, features, K_values, radius, config): """ 返回KPConv的输出特征 """ # 从当前半径和配置密度获取KP范围 extent = config.KP_extent * radius / config.densit
论文解读 | KPConv——点云上的可形变卷积网络
Hinyeung2021的博客
09-05 475
这篇论文关注于点云数据上的卷积操作，提出了一种名为KPConv的卷积方法，旨在解决点云数据上的灵活性和可变形性问题。通过以上实验过程，论文可以验证提出的KPConv算法在点云分类和点云分割任务上的性能，并与现有的点云处理方法进行比较，从而证明其有效性和优越性。实验结果表明，KPConv在点云分割和点云分类任务中取得了优越的结果，证明了其在处理点云数据上的卓越性能。该论文的研究背景强调了点云数据的特点、点云数据上的卷积问题以及灵活性与可变形性的需求，为提出新的KPConv方法提供了合理性和必要性。
论文阅读——KPConv: Flexible and Deformable Convolution for Point Clouds
Dujing2019的博客
02-06 7565
论文阅读——KPConv（一）Abstract（二）Introduction（三）Related Work3.1 Projection networks3.2 Graph convolution networks3.3 Pointwise MLP network3.4 Point convolution networks（四）Kernel Point Convolution4.1 A Kernel...
KPConv阅读
Chenyixun2的博客
01-12 330
kpconv
3D点云经典文献集速览（第二弹）
Leon_____的博客
03-26 277
3D点云经典文献集速览（第二弹）
跨域的两篇顶会论文的阅读笔记-PPT展示
04-17
根据提供的内容，下面是一段对两篇顶会论文的阅读笔记的综述： 本次PPT展示主要介绍了两篇顶会论文，分别是《Bi-level Alignment for Cross-Domain Crowd Counting》和《Few-shot Image Generation via Cross-...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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

打赏作者

Tech沉思录

点赞加投币，感谢您的资瓷~

¥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