论文阅读:pointnet

最新推荐文章于 2023-01-04 21:19:47 发布
最新推荐文章于 2023-01-04 21:19:47 发布
阅读量2.4k 收藏 2
点赞数
分类专栏： 点云 文章标签： pointnet 论文阅读 点云
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/u014311125/article/details/122231572
版权
PointNet是首个直接处理点云的深度学习网络，它解决了点云的无序性、相互作用和旋转平移不变性问题。通过T-Net实现几何变换以确保旋转不变性，MLP进行特征学习，MaxPool用于特征聚合。T-Net通过预测变换矩阵实现点的坐标和特征对齐，增强了网络的泛化能力。
摘要由CSDN通过智能技术生成

文章目录


论文地址: PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation

pointnet是第一个直接基于点来做点云深度学习的网络。网络整体比较简单，我们这里主要以pointnet的语义分割网络来做解释。

一、点云特性

  • 无序性
    相较于二维图像，点云是包含了一些没有特定顺序的点的集合。一个包含N个点的点云可以有 N ! N! N
了解本专栏 订阅专栏 解锁全文 超级会员免费看
GHZhao_GIS_RS
关注
专栏目录
订阅专栏
论文精读:PointNet++: Deep Hierarchical Feature Learning onPoint Sets in a Metric Space
qq_52053775的博客
01-03 752
另外，有一个细节，作者将采样的点的个数做了固定，比如说每个簇选取周围的16个点，那么在稀疏的地方，就有可能不足16个点，这时，将最近的点进行复制后补齐。在密集的地方，可能多于16个点，这时，只保留最近的16个点。PointNet没有考虑到点云的局部结构，因此，作者引入了一个分层的神经网络，它能够将点云划分为一个个子集，并提取局部特征，针对点云密度不均匀的问题，作者提出了多尺度策略。第二步，分组，即提取各个簇的局部特征，每个簇选取多种半径，多个样本点进行局部特征提取，最后将不同半径的局部特征进行融合。
PointNet++ 论文及源码学习
Polaris
01-12 512
PointNet++ 论文学习 PointNet在进行学习时，只对一个点或者只对所有点进行处理，因此存在的问题主要有两个，一是没有局部上下文，二是对平移不变性有一定的影响（如果对物体进行平移，所有点的特征都会出现变化）。为了解决这些问题，作者提出了PointNet++，通过使用多层次的特征提取结构来更好的提取局部特征（其想法与CNN感受野的变化类似），然后在此之上实现分类和分割，此外还提出了一种自...
PointNet论文阅读
jackzhang11的博客
06-17 1017
论文链接：http://openaccess.thecvf.com/content_cvpr_2017/papers/Qi_PointNet_Deep_Learning_CVPR_2017_paper.pdf 代码地址：https://github.com/fxia22/pointnet.pytorch PointNet首次将点云数据直接拿来训练神经网络。而在此之前，「体素化（Voxelization）+3d卷积」和「将点云投影到二维平面」是处理三维数据的常见方法。但3d数据最初始的形态就是点云，因此体素化
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论文解读
u014509577的博客
04-16 2697
本论文解读分两次完成，先更新一部分理论解读，实验部分后期会补上。笔者不才，欢迎各位大佬斧正，共同进步！ 一、研究问题背景的综述 作者从两方面入手介绍的这篇文章。首先，作者介绍了诸位学者们针对点云的特性在3D物体识别方面的学术研究，然后，作者又结合点云数据的特点对神经网络在点云处理和3D物体识别中的应用做了一定的分析。最后，作者提出了一种新的点云识别的网络，对分割...
论文翻译 | PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation
bettii的博客
06-12 1162
PointNet是点云领域最经典的论文之一了。目前文章对pointNet进行了详读也比较详细，因此就只写个翻译，再熟悉一下这篇文章。 论文： PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation pytorch版本代码：【here】点云是一种重要的几何数据结构。它的形式不规整，因此大多数研究者们都是将它们转换成规则的三维体素网格或图像集的形式处理，但这.............................
论文阅读：PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation
weixin_41823188的博客
10-07 484
论文名称：PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation 主要内容： 本文利用点云的无序性和旋转不变性，提出了一个深度网络，直接将点云的（x，y，z）坐标作为输入，根据网络结构的不同可以完成分类、目标部分分割和场景分割任务。 解决的问题： 神经网络通常处理的数据都是有规范格式的，例如图片，文本信息。然而点云作为一种不规范的、无序数据，通常转化为以下几种形式再输入网络： 1 栅格（体素） 转化为规范形状的
论文精读:PF-Net: Point Fractal Network for 3D Point Cloud Completion
最新发布
qq_52053775的博客
01-04 1275
点云补全：由于扫描或者距离的原因导致点云局部缺失，对其进行补全 核心思想：首先重构其骨架，然后重构其细节特征 损失函数：损失函数由两部分组成，第一部分为预测与真实的损失，用距离衡量，包括预测点最近的真实点的距离和真实点到最近的预测点的距离。 第二部分为判别器的损失，与GAN一致 现有的点云生成网络由于生成完整的点云，总是会改变已有的点，从而造成噪声和误差，因此PF-Net只生成缺失的点云，此外，F-Net利用基于特征点的多尺度生成网络预测缺失的点云。同时，在损失函数中，包含多阶段生成的损失
PointNet系列论文阅读之一：PointNet基础网络
phosphenesvision的博客
06-12 2053
PointNet 论文解读 文章：C. R. Qi, H. Su, K. Mo, and L. J. Guibas. Pointnet: Deep learning on point sets for 3d classification and segmentation. arXiv preprint arXiv:1612.00593, 2016. 作者：Charles R. Qi, Hao Su, Kaichun Mo, Leonidas J. Guibas 链接：https://arxiv.org/ab
Pointnet++中文翻译word版
12-26
对论文进行翻译的pdf版，记录一些好的论文，并对它进行翻译，并上传到里面，既可以方便日后使用，也可以用来供大家一起来学习。
Pointnet++中文翻译
12-26
对论文进行翻译的pdf版，记录一些好的论文，并对它进行翻译，并上传到里面，既可以方便日后使用，也可以用来供大家一起来学习。
Pointnet与Pointnet++论文笔记
weixin_48506823的博客
10-17 2105
Pointnet与Pointnet++论文笔记 近期由于课题需要，研读了Pointnet系列文章，在此总结个人心得，并结合了部分博客进行阐述，不足之处希望各位批评指正，也欢迎各位同学来进行学习交流。 论文地址：https://arxiv.org/abs/1612.00593（pointnet） 论文地址：https://arxiv.org/abs/1706.02413 (pointnet++) 1. 前言 图像数据在计算机中的表示通常编码了像素点之间的空间关系，与此不同的是，点云数据是由一组无序的点所构成
PointNet论文解读和代码解析
slamer111的博客
10-14 560
PointNet详细解读
论文阅读：SO-Net: Self-Organizing Network for Point Cloud Analysis
道长的博客
11-28 2047
SO-Net: Self-Organizing Network for Point Cloud Analysis Jiaxin Li, Ben M. Chen, Gim Hee Lee National University of Singapore Abstract 本文提出SO-Net，一种用于无序点云深度学习的置换不变网络结构。 SO-Net通过构建自组织映射（SOM）来模拟点云的空间分布。...
PointNet++: Deep Hierarchical Feature Learning on Point Sets in a Metric Space
DAOCHI
11-11 8547
基本简介 论文下载地址：https://arxiv.org/pdf/1706.02413.pdf 代码开源地址：https://github.com/charlesq34/pointnet2 作者以及论文信息如下： 这一篇文章和 PointNet 论文是一个系列，并且是同一个作者的研究成果，但是两篇论文却有较大的区别。这篇论文在后续的点云处理上，被引用次数非常多，常作为3D点云特征提取的基础模块，类似于2D图像的 ResNet 算法。 Abstract 以前很少有工作研究直接处理3D点集的深度学习
PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation
DAOCHI
11-06 7972
一、基本简介 论文下载地址：https://arxiv.org/abs/1612.00593 代码开源地址：https://github.com/charlesq34/pointnet 最近，开始研究基于3D点云的深度学习算法。PointNet 作为点云特征提取的开创性论文，非常有必要好好研究总结。本文在翻译论文时，会结合代码来解释每一个关键点或者关键模块。同时，本文翻译会附英文原文和中文翻译对照，目的是为了让大家能够通过中文理解该论文的同时，也可以参照英文原文，形成自己的理解以及对翻译的勘误。 Ab
pointnet 系列论文总结
u013794793的博客
09-05 3810
目录pointnetpointnet++voxelnetfrustum-pointnetfrustum proposal3D instance segmentationamodal 3D box estimationvotenetreference 本文旨在对之前看的 pointnet 系列点云目标检测论文进行总结，包括 pointnet, pointnet++, frustum-pointnet...
PointNet系列文献小结
hehehetanchaow的博客
01-07 2699
参考文章：https://zhuanlan.zhihu.com/p/44809266 此系列论文首先提出了一种新型的处理点云数据的深度学习模型-PointNet，并验证了它能够用于点云数据的多种认知任务，如分类、语义分割和目标识别。不同于图像数据在计算机中的表示通常编码了像素点之间的空间关系，点云数据由无序的数据点构成一个集合来表示。因此，在使用图像识别任务的深度学习模型处理点云数据之前，需要对...
PointNet论文分享：点云数据格式、体素化和多视图表示
PointNet论文分享PPT PointNet论文分享PPT是基于个人的理解，主要包括两个原理的证明。该PPT是博客中橙色主题系列的PPT，不是演示的PPT。下面是对PPT中涉及的知识点的详细解释： 1. 3D数据格式 3D数据格式是指由...
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

GHZhao_GIS_RS

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