pytorch 图像分割的交并比_Jittor开源点云模型库，多种主流模型训练比Pytorch提升一倍以上...

2020年10月10日，第二届清华大学计图深度学习研讨会成功举办，研讨会上，计图还发布了检测与分割模型库、点云模型库和可微渲染功能。

点云数据的获取与处理是图形学和三维视觉中的重要问题，在测绘、自动驾驶等方面有着广泛的应用。由于其巨大的应用场景，近年来，点云处理引起了相关技术人员的广泛关注，涌现了一批非常出色的工作。图1是点云数据及其分割的示例。

图1 a. 点云数据的示例

图1 b. 点云分割的示例

计图框架本次发布的点云模型库包括几种最有影响力的模型：PointNet、PointNet++、PointCNN、DGCNN 和PointConv ，支持分类和分割。

我们在ModelNet40 数据集上面进行了分类实验，实验结果表明，我们在效果上已经达到了论文中的点数，甚至超过论文中的性能(见表1)，这是因为Jittor在实现中添加了一些论文中没有使用的数据增强方式。

表1 ModelNet40 数据集上的分类结果

Model	Input	Overall accuracy	Paper Report
PointNet	1024 xyz	89.6	89.2
PointNet  ++	4096 xyz normal	92.3	91.9
PointCNN	1024 xyz	92.6	92.5
DGCNN	1024 xyz	92.9	92.9
PointConv	1024 xyz  normal	92.4	92.5

同时，在训练速度上，Jittor与Pytorch 相比有着明显的提升，其中 PointNet ++、PointCNN和 PointConv 在训练速度上超出 pytorch一倍以上，具体的时间对比见图2。

图2  ModelNet40 上的训练时间的对比

另外，我们也在ShapeNet 上面进行了分割的实验。在训练速度上，Jittor与Pytorch 相比，也得到了提升，其中PointNet++提升85%。图3是一些点云模型的分割效果。

图3 点云分割的效果

欢迎在计图官网或GitHub上下载Jittor的点云模型库：

https://cg.cs.tsinghua.edu.cn/jittor/

https://github.com/Jittor/PointCloudLib

利用Jittor统一计算图的优势，可以很方便地调整计算图，针对您的研究，优化或设计新模型，开展高水平研究！

使用计图点云库有任何问题，可以在Github上提交issue，或加入如下计图-点云微信群，和计图团队实时交流和讨论。

GGC往期回顾 1.  吴恩华研究员和汪国平教授分获Chinagraph贡献奖和杰出奖 2.  计图研讨会：今天下午Jittor将发布新版本，黄高、吴尚哲做学术报告 2.  计图发布语义分割模型库，模型训练速度全面提升 3.  「计图」开源代码：这篇ACM SIGGRAPH论文帮你轻松画出心中的「林妹妹」 4.   从CVPR最佳论文奖看深度几何学习

您可通过下方二维码，关注清华大学图形学实验室，了解图形学、Jittor平台、CVMJ期刊的相关资讯。