pointrcnn运行_pointRCNN原理与复现

pointRCNN:

整体思路:https://zhuanlan.zhihu.com/p/71564244

原理涉及知识：

弱监督学习: https://zhuanlan.zhihu.com/p/81404885

监督学习的训练数据由两部分组成：描述事件/对象的特征向量(x)，以及 groud-truth 的标签(y)。

而非监督学习的训练数据只有一个部分：描述事件/对象的特征向量(x)，但是没有标签(y)。

分类问题和回归问题是监督学习的代表，聚类学习是非监督学习的代表。在分类中，标签对应于训练样本属于哪一类。在回归中，标签对应于该示例的真实值响应。

由于数据标注过程的成本太高，很多任务很难获得如全部真值标签这样的强监督信息。而无监督学习由于学习过程太过困难，它的发展缓慢。因此，希望机器学习技术能够在弱监督状态下工作。

弱监督学习可以分为三种典型的类型，不完全监督(Incomplete supervision)，不确切监督(Inexact supervision)，不精确监督(Inaccurate supervision)。

不完全监督是指，训练数据中只有一部分数据被给了标签，有一些数据是没有标签的。

不确切监督是指，训练数据只给出了粗粒度标签。我们可以把输入想象成一个包，这个包里面有一些示例，我们只知道这个包的标签，Y或N，但是我们不知道每个示例的标签。

不精确监督是指，给出的标签不总是正确的，比如本来应该是Y的标签被错误标记成了N。

复现:

建虚拟环境: conda create -n pointRCNN python=3.6