2020-CVPR-PointASNL

最新推荐文章于 2023-08-03 20:12:40 发布
最新推荐文章于 2023-08-03 20:12:40 发布
阅读量329 收藏 1
点赞数
分类专栏： 点云深度学习 文章标签： 深度学习 计算机视觉 PointCloud
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/112686017
版权

PointASNL: Robust Point Clouds Processing using Nonlocal Neural Networks with Adaptive Sampling

期刊：CVPR2020

时间：2020

code：https://github.com/yanx27/PointASNL

创新

  • 针对fps采样对噪声敏感的问题，提出自适应采样方法，看起来其实就是一个局部特征丰富模块
  • 受non-local的启发，使用全局范围内的上下文信息，对采样点的特征进行增强

1、Adaptive Sampling（AS）模块

image-20210112171317171

对fps采样后的点，先对其邻域使用self-attention，更新邻域内点的信息。然后对增强后的邻域，在邻域点维度上（就是对每一个邻域点计算一个权重，用来更新采样点的特征和坐标）使用attention机制，然后加权求和得到更新后的采样点特征和坐标

2、local-nonlocal

image-20210112171306009

  • local模块类似于PointConv的局部特征提取

  • nonlocal模块本质上还是使用了self-attention（应该是一种特殊的attention，和self-attention很像），使用了上一层的点云和采样后点云计算相识度。

    image-20210112171436751

具体实现

image-20210112171652080

实验结果

image-20210112171852176

image-20210112171942608

Tech沉思录
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 1
    评论
专栏目录
PointASNL 小白笔记
hpwwww的博客
10-27 2437
PointASNL: Robust Point Clouds Processing using Nonlocal Neural Networks with Adaptive Sampling（CVPR 2020) 论文 https://arxiv.org/pdf/2003.00492.pdf 代码 https://github.com/yanx27/PointASNL 李镇老师个人主页 本文来自于香港中文大学（深圳）、深度比特实验室，一作为颜旭，通讯作者为李镇。 PS:本人小白，此篇博客仅作为个人笔记，有很
CVPR2020：基于自适应采样的非局部神经网络鲁棒点云处理（PointASNL）
吴建明wujianming_110117
07-01 1445
CVPR2020：基于自适应采样的非局部神经网络鲁棒点云处理（PointASNL） PointASNL: Robust Point Clouds Processing Using Nonlocal Neural Networks With Adaptive Sampling 论文地址： https://openaccess.thecvf.com/content_CVPR_2020/html/Yan_PointASNL_Robust_Point_Clouds_Processing_Using_Nonlocal
超像素和PointNet结合＜有什么算法＞
cocapop的博客
04-08 282
SPU-Net先将点云分割为多个层次的超像素，然后对每个层次的超像素利用PointNet进行分割。SuperPoint Graph：这是一种基于超像素的点云分割算法，它将点云转换为超像素图，并利用Graph Convolutional Networks（GCNs）进行分割。SSP-Net：这是一种基于超像素的点云分类算法，它将点云转换为超像素，并在每个超像素上提取特征。SPG+PointNet：这是另一种基于超像素的点云分割算法，它将点云分割成多个超像素，然后利用PointNet对每个超像素进行分类。
PointASNL自适应采样非局部神经网络的点云鲁棒操作初探
cuiy24的博客
08-21 851
原始点云数据不可避免地从3D传感器或在重建算法中包含了异常值。本文提出了一种用于鲁棒点云处理地新型端到端网络，称为PointASNL。其完成了一个指标：在对含有噪声地点云数据处理问题上，具有良好地性能和鲁棒性。 该网络中的关键部分是自适应采样（Adaptive SampLing）模块。简单来说，首先利用最远点采样法以及KD树搜索邻近点，对采样点的领域进行加权，然后在整个点云中自适应的调整采样。AS模块不仅有益于点云的特征学习，二千缓解受异常值的影响。 为了进一步捕捉邻域信息和长期依赖于采样点，作者从非局部操
PointASNL论文
cocapop的博客
04-22 145
题目：PointASNL: Robust Point Clouds Processing using Nonlocal Neural Networks with Adaptive Sampling摘要此网络主要由两大部分组成，分别为(AS) module和1.对FPS得到的初始采样点周围的neighbors进行re-weight2.自适应地调整采样点，其中，这个采样点可能就是一个outlier3.作用：有利于点云数据的特征学习，抑制outlier的负面影响。
【论文阅读】【CVPR 2020】PointASNL ：Robust Point Clouds Processing using Nonlocal Neural Networks
py今天刷题了吗
04-20 230
文章目录1. 四个问题2. 论文介绍3. 参考资料4. 收获 1. 四个问题 解决什么问题 用了什么方法解决 效果如何 还存在什么问题 2. 论文介绍 3. 参考资料 4. 收获
Awesome-CVPR2021-CVPR2020-Low-Level-Vision:CVPR2021CVPR2020低层视觉的论文和代码合集
04-11
Awesome-CVPR2021/CVPR2020-Low-Level-VisionA Collection of Papers and Codes for CVPR2021/CVPR2020 Low Level Vision or Image Reconstruction整理汇总了下2021年CVPR和2020年CVPR底层视觉(Low-Level Vision)...
Python-CVPR2019CVPR20182017论文源码汇总项目
08-10
【Python-CVPR2019CVPR20182017论文源码汇总项目】是一个集合了计算机视觉领域顶尖会议CVPR（Computer Vision and Pattern Recognition）2019、2018和2017年部分论文源代码的资源库，由极市团队精心整理。...
TDAN-VSR-CVPR-2020:丹丹
04-30
TDAN-CVPR 2020（保持更新） 这是TDAN的官方Pytorch实施：用于视频超分辨率的临时变形对准网络。|用法主要依赖项：Python 3.6和Pytorch-0.3.1（ ） $ git clone https://github.com/YapengTian/TDAN-VSR$ compile ...
siamMask-CVPR2019.pdf
02-27
商汤团队CVPR2019 oral 论文：siamMask，“FastOnlineObjectTrackingandSegmentation: AUnifyingApproach ”
PointASNL:PointASNL
04-14
PointASNL 该存储库适用于以下论文中介绍的PointASNL 徐岩，郑超大， ，王胜和崔曙光，“ PointASNL：使用具有自适应采样的非局部神经网络的鲁棒点云处理”，CVPR 2020 。 如果您发现我们的工作对您的研究有用，请考虑引用： @InProceedings{yan2020pointasnl, title={PointASNL: Robust Point Clouds Processing using Nonlocal Neural Networks with Adaptive Sampling}, author={Yan, Xu and Zheng, Chaoda and Li, Zhen and Wang, Sheng and Cui, Shuguang}, journal={Proceedings of the IEEE Conferenc
深度学习 三维重建 UCS-Net-CVPR-2020 （源码、原文+译文）
最新发布
08-22
深度学习 三维重建 UCS-Net——CVPR-2020 （源码、原文+译文） 深度学习 三维重建 UCS-Net——CVPR-2020 （源码、原文+译文） 深度学习 三维重建 UCS-Net——CVPR-2020 （源码、原文+译文） 深度学习 三维重建 UCS-...
PointASNL: 点云的Adaptive Sampling（CVPR2020）
3D视觉工坊
07-27 1578
点击上方“3D视觉工坊”，选择“星标”干货第一时间送达作者：不知道叫什么好 | 来源：知乎https://zhuanlan.zhihu.com/p/139396088本文仅做学术分享，如...
阅读论文 Non-local Neural Networks（非局部神经网络）
red_ear的博客
06-17 8000
论文下载 code下载   而非局部(non-local) 模块把非局部感受野的信息提取操作做成一个神经网络模块，方便了端到端的视频分析：                     这个模块输入x可以理解为32帧的视频（32张图片帧数 T=32，长宽为H×W），输出z也是H×W大小的特征图。有没有注意到最左端的箭头是一个跳层连接？没错，non-local模块就是把视频额外的时空信息提取作为一...
【计算机视觉】详解 自注意力：Non-local 模块与 Self-attention (视觉注意力机制 (一))
热门推荐
闻韶
04-11 3万+
绪论 计算机视觉（computer vision）中，注意力机制（attention）的基本思想就是想让系统学会注意力 ——能够忽略无关信息而关注重点信息。 近几年来，深度学习与视觉注意力机制结合的研究工作，大多数是集中于使用掩码(mask)来形成注意力机制。掩码的原理在于通过另一层新的权重，将图片数据中关键的特征标识出来，通过学习训练，让深度神经网络学到每一张新图片中需要关注的区域，也就形...
pointnet代码复现帮助文档
weixin_43639258的博客
11-20 536
Pytorch Implementation(实现) of PointNet and PointNet++ This repo(回购？？？) is implementation for PointNet and PointNet++ in pytorch. Update 2021/03/27: (1) Release pre-trained models for semantic segmentation, where PointNet++ can achieve 53.5% mIoU. (2) Relea
Non_Local 网络模块的解析
Colin_xuan的博客
07-06 1675
该模块可以插入到现有的CNN网络结构中，优点是可以提高整体的性能，缺点是参数多，计算量大 写此文章只为自己日后回顾 首先base cnn 为resnet50 ,插入在block3之后，模块的输入和输出都不变，这也是可以即插即用的原因。 首先输入为【B,H,W,C】 先对输入使用1X1大小的卷积核做卷积，降低输入通道。减少计算量。然后把【B,H,W,C】reshape 成[B,HW,C]，然后两个相乘（其中一个transpose）,这样可以得到【B,HW,HW】,可以得到图像像素和其他位置的相关性，然后
non-local模块理解（以视频行人reid-GLTR为例）
qq_38853994的博客
08-03 196
non-local模块理解（以视频行人reid-GLTR为例)
语义分割系列17-Non-Local Net（pytorch实现）
yumaomi的博客
06-23 2432
本文介绍了Non-Local Network论文，详细介绍了NonLocal机制和设计原理，通过与DANet对比，理解NonLocal和Attention机制的关系。并在Pytorch框架上，实现了2D的NonLocal模块，在Camvid数据集上进行测试。
评论 1
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