小样本点云深度学习库_NeurIPS2019 | MIT与上海交大提出新型点云深度学习框架Point-Voxel CNN...

最新推荐文章于 2022-11-25 22:06:38 发布
最新推荐文章于 2022-11-25 22:06:38 发布
阅读量147 收藏
点赞数
文章标签： 小样本点云深度学习库
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/weixin_39580715/article/details/112355164
版权
本文介绍了MIT与上海交大在NeurIPS2019上提出的Point-Voxel CNN，该框架旨在解决小样本点云深度学习中的效率问题。论文详细分析了现有方法的不足，如voxel-based方法的分辨率与内存平衡问题，以及point-based方法的内存访问无序性和动态核开销。PVConv是提出的解决方案，通过两路分支结合体素和点云特征，降低内存消耗并提高计算效率。实验表明，PVCNN在部件分割、语义分割和目标检测任务上表现出色。
摘要由CSDN通过智能技术生成

43bc106f4ac09f77a3ea723f61785e4e.png

首发于公众号：3D点云深度学习。

论文：’Point-Voxel CNN for Efficient 3D Deep Learning’

来源：NeurIPS2019Spotlight

共同一作：Zhijian Liu (MIT), Haotian Tang(上海交大)

代码：https://github.com/mit-han-lab/pvcnn

项目：https://hanlab.mit.edu/projects/pvcnn/

3D深度学习广泛的应用到多个领域，如AR/VR和自动驾驶等，因此受到了越来越多的关注。在这些应用中往往需要很高的实时性。然而，终端设备(如手机和VR头戴设备)受到硬件资源和电池的严格限制。因此，设计高效、快速的三维深度学习模型是非常重要的。这篇文章巧妙地将voxel-based方法和point-based方法结合，新框架同时具备了两种方法的优点。
  • 已有方法的缺陷分析

论文对已有方法的缺陷进行了细致地分析，这是文章重要的一部分。论文的分析很透彻，给笔者留下了很深的印象。

对于voxel-based类方法的缺陷，论文指出：这类方法难以平衡分辨率和内存的关系。当体素尺寸较大时，分辨率低，大量点云占据同一个体素，没办法很好地区分。然而，当减小体素

最低0.47元/天 解锁文章
weixin_39580715
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
【点云系列】Point-Voxel CNN for Efficient 3D Deep Learning
weixin_43882112的博客
05-06 1418
文章目录1. 概要2. 动机3.方法3.1 Point分支3.2 Voxel分支3.2.1 正则化 （Normalization）3.2.2 体素化（Voxelization）3.2.3 特征聚合（Feature Aggregation）3.2.4 去体素化（Devoxelization）3.3 融合4. 效果4.1 部件分割对比4.2 场景分割 比对4.3 目标检测4.4 可视化分析4.5 效率分析5. 思考6. 参考 1. 概要 会议：NIPS19 spotlight 论文：https://arxiv.
点云的无序性_NeurIPS2019 麻省理工与上海交大共同提出新型点云深度学习框架PointVoxel CNN...
weixin_39993623的博客
10-21 126
论文：’Point-Voxel CNN for Efficient 3D Deep Learning’来源：NeurIPS2019 Spotlight共同一作： Zhijian Liu (MIT), Haotian Tang(上海交大)代码：https://github.com/mit-han-lab/pvcnn项目：https://hanlab.mit.edu/projects/pv...
Point-Voxel CNN for Efficient 3D Deep Learning(PVCNN)论文翻译
solidays_的博客
09-09 2326
Point-Voxel CNN for Efficient 3D Deep Learning(PVCNN) 摘要 我们介绍了Point-Voxel CNN（PVCNN），可进行高效，快速的3D深度学习。以前的工作使用基于体素或基于点的NN模型处理3D数据。但是，这两种方法在计算上都是低效的。基于体素的模型的计算成本和内存占用量随输入分辨率的增加而立方增长，从而使其无法扩展分辨率。对于基于点的网络，最多有80％的时间被浪费在构造稀疏数据上，这些稀疏数据的内存局部性很差，而不是实际的特征提取。在本文中，我们提出
Point-Voxel CNN【阅读笔记】
weixin_43911343的博客
03-09 705
论文来源：CVPR2019 链接：https://arxiv.org/abs/1907.03739 Motivation 1.voxel-based models : 具有良好的定位性，但由于将部分点划分入一个体素网格中会丢失很多信息。提高分辨率（将网格划分精细化）可以改善这一问题，但相应计算量会几何增加，不适用。 2.pointnet-based modesl：Pointnet方法占用内存小，计...
《三维深度学习中的point voxel cnn》笔记
dtuyg的博客
03-26 890
《三维深度学习中的point voxel cnn》笔记 设计高效的神经网络模型需要将硬件也考虑进来。一方面，一次内存的读取操作比一次算术运算慢接近20倍，另一方面随机访问比顺序访问慢许多，一个高效的网络则应避免内存读取以及随机访问。 传统的方法会将输入的点云栅格化，将其转化成三维的格点，这个可以看成是二维像素的自然扩展，三维格点的每一个位置都是0或者1，代表这个位置是否被占用。转化后模型的设计可...
voxel_grid-code.rar_pcd点云_voxel grid_三维点云体素滤波_点云数据_点云数据滤波
07-14
三维点云体素滤波代码，代码中包含.pcd格式的点云数据
cloudpoint-read.rar_c++ 激光点云_激光 三维点云_点云分析_获取点云
09-24
本文将详细探讨C++环境下处理激光点云的相关知识点，以及如何从"cloudpoint-read.rar"这个压缩包中获取和分析点云数据。 首先，我们要理解什么是激光点云。激光点云是由激光雷达（Light Detection And Ranging，...
test_peizhun.rar_pcl 点云拼接_点云处理_点云库_点云配准
09-23
在本项目中，"test_peizhun.rar_pcl 点云拼接_点云处理_点云库_点云配准" 提供了一个基于PCL（Point Cloud Library）的点云处理主程序，主要用于点云的拼接和配准操作。 PCL是一个开源的C++库，专门用于处理三维...
cloud-point.zip_PCL 点云_Points-cloud下载_opencv 三维_point cloud c++_
09-23
在本资源"cloud-point.zip"中，包含了一个名为"未命名1.cpp"的C++源代码文件，该文件利用OpenCV和PCL（Point Cloud Library）库来处理点云数据。下面将详细介绍这些知识点。 1. **点云（Points Cloud）**：点云是由...
3D Object Recognition.zip_PCL点云识别_pcl_point cloud_点云_点云 识别
07-15
在给定的“3D Object Recognition.zip”压缩包中，包含的资源是关于使用PCL（Point Cloud Library）进行点云识别的程序，这是一项基于C++的开源库，专门用于处理3D点云数据。 点云是由一系列3D坐标点构成的数据集，...
【点云识别】Point-Voxel CNN for Efficient 3D Deep Learning (NIPS 2019)
Orientliu96的博客
04-06 1003
Point-Voxel CNN for Efficient 3D Deep Learning 本文介绍一篇NIPS 2019里面关于点云识别的文章。 论文 代码 1. 问题 目前的点云处理框架主要分为两大类 Voxel-based Point-based PointNet的问世，极大地促进了Point-based类方法的发展。 因为voxel类方法的缺陷很难解决，内存需求太大。 64x64x64...
NeurIPS 2019 | 麻省理工与上海交大共同提出新型点云处理框架Point-Voxel CNN
李敏乐的博客
12-16 1125
论文：Point-Voxel CNN for Efficient 3D Deep Learning 来源：NeurIPS2019Spotlight 共同一作：Zhijian Liu (MIT), Haotian Tang(上海交大) 代码：https://github.com/mit-han-lab/pvcnn 项目：https://hanlab.mit.edu/projects/pv...
Point-Voxel CNN：Point-Voxel Feature Set Abstraction for 3D Object Detection
weixin_41271939的博客
04-25 943
其实PVCNN这篇论文十分好理解，采用的模型也十分简单，就是通过卷积的方法去提取局部特征，然后通过插值进行上采样，最后将上采样的特征直接concat到点云原始特征，之后就是pointnet那一套了。这篇论文最大的亮点是可以让我们更直观深入地理解基于体素的方法与基于点的方法的区别，文章中不仅指出了两种方法的局限，也给出了相应的实验与分析。
一文尽览 | 基于点云、多模态的3D目标检测算法综述！（Point/Voxel/Point-Voxel）
CV_Autobot的博客
09-05 8492
点击下方卡片，关注“自动驾驶之心”公众号ADAS巨卷干货，即可获取点击进入→自动驾驶之心技术交流群后台回复【ECCV2022】获取ECCV2022所有自动驾驶方向论文！目前3D目标检测领域方案主要包括基于单目、双目、激光雷达点云、多模态数据融合等方式，本文主要介绍基于激光雷达雷达点云、多模态数据的相关算法，下面展开讨论下~3D检测任务介绍3D检测任务一般通过图像、点云等输入数据，预测目标相比于相机...
点云的无序性_NeurIPS2019 | MIT与上海交大提出新型点云深度学习框架Point-Voxel CNN...
weixin_39826089的博客
10-21 67
首发于公众号：3D点云深度学习。论文：’Point-Voxel CNN for Efficient 3D Deep Learning’
【代码阅读】PVCNN
麒麒哈尔的博客
11-17 2662
文章目录Voxelizationpythoncppcu前向计算反向传播 Point-Voxel CNN for Efficient 3D Deep Learning, 2019 NIPS code：https://github.com/mit-han-lab/pvcnn 文章的的解读可以看我另一篇博客。 PVconv的具体实现在pvcnn-master/modules/pvconv.py voxel_features, voxel_coords = self.voxelization(features, c
【论文阅读】【点云处理】Point-Voxel CNN for Efficient 3D Deep Learning
麒麒哈尔的博客
04-07 6676
文章目录 2019NIPS MIT与上海交通大学，Song Han老师
论文阅读笔记 | 三维目标检测——VoxelRCNN算法
最新发布
Clichong
11-25 1885
现有很多的point-based检测器获得比较好的效果，精确度要比voxel-based检测器要好，为此不少观点认为原始点云中的精确位置信息对于精确的目标定位是至关重要的。VoxelRCNN的动机就是能否保持voxel-based方法速度优势下，获取与point-based方法相当的性能，希望在准确性和效率之间取得平衡。作者通过实验分析，发现现有voxel-based方法的主要缺点是将3d特征体转换为BEV表示，而从未恢复3D结构上下文，这样就找到了需要提高的方向。对于voxel-based的方法，BEV表
Voxel-RCNN论文和逐代码解析
NNNNNathan的博客
03-18 6797
1、前言 当前的点云3D检测主要分为两大类，第一类为grid-based的方法，第二类为point-based的方法。 grid-based的方法将不规则的点云数据转换成规则的3D voxels （VoxelNet， SECOND , Fast PointRCNN， Part A^2 Net）或者转化成 2D的BEV特征图（PIXOR, HDNet，PointPillars），这种方法可以将不规则的数据转换后使用3D或者2D的CNN来高效的进行特征提取。 point-b...
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
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