PointNet自我总结

一、网络的总体架构

神经网络的本质是一个可以变化的函数（本文的函数如下图所示）所有的训练就是为了调整网络中的权值去使它逼近一个能够处理当前任务的函数，由于点云具有无序性（是一堆空间点的集合，无法保证每次输入网络时点的顺序都是相同的，这就会可能出现，同一个物体的点云，多次输入网络后所提取的特征不同，也就无法实现与本来的标签进行匹配），处理点云的这个神经网络（函数）必须具有对称性（也就是输入的顺序，不影响输出结果，eg，加法，乘法就是对称的）。本文引入的是MaxPooling，但若直接对低维度的特征进行池化操作，势必会使得特征损失严重，所以本文使用了多次MLP将低维度的特征映射到具有极大表征冗余的高纬度，然后再池化，使得重要特征得以保全。
完整的处理过程为：该网络通过T-net实现平移不变性，这个T-net（基于数据本身的一个变换函数模块，将输入对齐）是一个可以根据整体的网络进行优化的一个网络。然后通过2个MLP（要映射到多少维就要用多少个神经元）将特征维数提升到1024（由于对称函数采用的是池化操作，只有将低维特征映射到高度去，使得特征的表征具有很大的冗余度，才能最大限度减少池化对特征的损失），然后通过最大池化提取一个长度为1024的全局特征，并通过一个MLP（512，256，k）（这里的三个参数指的是3层MLP对应的权值的大小，也就是神经元的个数）将特征映射为k类，并给出对应的分数。
另外，形状分类是指输入点云，输出对应的标签。点分类，可以理解为对一副点云中的每个点云进行分类，来判别它是属于这副点云中的哪一种目标，主要是用于分割任务。