上一讲通过前处理得到了粒子的空间位姿,图片->前处理->6D向量。这一讲我们讲解第二步,6D->MLP->4D向量。
我们先弄清楚神经网络模型的输入和输出。
模型的输入:将物体进行稀疏表示的粒子和位姿,就是6D向量
模型的输出:该粒子的密度和颜色
模型的结构。
- 8层全连接层
- 半路再次输入位置坐标()
- 后半路输出密度()
- 后半路输入方向视角()
- 最后输出颜色RGB
问题一:全连接层是什么ÿ
上一讲通过前处理得到了粒子的空间位姿,图片->前处理->6D向量。这一讲我们讲解第二步,6D->MLP->4D向量。
我们先弄清楚神经网络模型的输入和输出。
模型的输入:将物体进行稀疏表示的粒子和位姿,就是6D向量
模型的输出:该粒子的密度和颜色
模型的结构。
问题一:全连接层是什么ÿ