pointrcnn运行_PointCNN代码阅读笔记

本文详细解析了PointCNN的实现,包括X-Conv和X-DeConv的参数设置,如K、D、P、C等。X-Conv结构中,介绍了如何获取近邻点、计算相对坐标矩阵以及特征提取和合并的过程。同时,解释了X-Transformation的作用,即通过一系列卷积操作变换特征。最后,提到了PointCNN架构在训练过程中的数据预处理、数据增强和评估指标。
摘要由CSDN通过智能技术生成

Readme阅读

代码文件内容

X-conv及PointCNN架构:pointcnn.py

分类任务超参数:pointcnn_cls.py

分割任务相关:pointcnn_seg.py

关于 X-Conv 和 X-DeConv 的参数

以shapenet_x8_2048_fps.py 文件的代码为例

xconv_param_name = ('K', 'D', 'P', 'C', 'links')

xconv_params = [dict(zip(xconv_param_name, xconv_param)) for xconv_param in

[(8, 1, -1, 32 * x, []),

(12, 2, 768, 32 * x, []),

(16, 2, 384, 64 * x, []),

(16, 6, 128, 128 * x, [])]]

xdconv_param_name = ('K', 'D', 'pts_layer_idx', 'qrs_layer_idx')

xdconv_params = [dict(zip(xdconv_param_name, xdconv_param)) for xdconv_param in

[(16, 6, 3, 2),

(12, 6, 2, 1),

(8, 6, 1, 0),

(8, 4, 0, 0)]]

xconv_params

K:近邻数

D:膨胀率

P:输出代表点的数量(-1表示输出输入中的所有点)<

  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
实付
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