^_^ 晅菲-CSDN博客

原创【linux系列】创建软连接

现在服务器使用的时候，可视化界面仅显示固定目录下的内容，无法访问前序目录，导致查看内容非常麻烦，这时候软连接的作用就显现出来了，在当前目录下连接上，就可以直接进行访问啦。当前路径下code文件夹访问 /userhome/code 文件夹，也即当前code文件夹就是/userhome/code下的内容。创建/temp/test 访问/userhome/code/test 文件夹。-d 允许超级用户制作目录的硬链接。-b 删除，覆盖以前建立的链接。-n 把符号链接视为一般目录。-s 软链接(符号链接)

2023-10-24 17:34:38 371

原创计算机类SCI 1区期刊调研

2-3个月左右录用，录用率95%以上；计算机相关领域稿件均可接收。从稿件投稿到文章的初步决定：平均7.9周；从稿件提交到最终编辑决定：平均11周；妥妥的顶级刊，审稿周期长于3个月或约稿。审稿周期：平均3个月，25%PS. 欢迎大家补充添加。强调工程体系与科学应用。审稿周期： 2-3个月。审稿周期：3-4个月。审稿周期：大约6个月。审稿周期：1-2个月。审稿周期：1-2个月。审稿周期：1-2个月。

2023-10-18 17:38:15 2061 2

原创【点云系列】PointNeXt: Revisiting PointNet++ with Improved Training and Scaling Strategies

PointNeXt点云网络框架优化

2022-09-05 20:35:51 2344 1

原创【点云系列】RIConv++: Effective Rotation Invariant Convolutions for 3D Point Clouds Deep Learning

文章目录1. 概要2. 动机3. 方法3.1 常用局部旋转不变性特征（RIF）3.2 局部参考坐标（LRA）3.3 富含信息的旋转不变性特征（IRIF）3.4 旋转不变性卷积（RIConv++）4. 实验及效果4.1 目标分类4.2 3D形状检索4.2 分割4.2 性能比较4.3 抗噪4.4 有效性分析4.5 消融实验5. 总结1. 概要期刊：IJCV 2022， IF:7.4主页：https://zhiyuanzhang.net/projects/riconv代码：https://github

2022-05-17 14:00:37 903

原创【linux系列】ModuleNotFoundError: No module named ‘pyexr‘

错误显示：没有pyexr包安装openexr即可pip install OpenEXR如果第二步失败的话，加上其下载的对应地址即可，即为：pip install OpenEXR -i https://pypi.org/project/...

2022-05-14 09:19:23 817

原创【点云系列】Point-Voxel CNN for Efficient 3D Deep Learning

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.

2022-05-06 11:49:05 1409

原创【点云系列】SoftPoolNet: Shape Descriptor for Point Cloud Completion and Classification

文章目录1. 概要2. 动机3. 方法3.1 整个网络框架SoftPoolNet3.2 Soft-pooling框架3.3 通过区域熵来学习激活3.4 去除重叠区域3.5 从MLP保留特征3.6 训练损失4. 效果4.1 点云补全4.2 点云分类4.3 特征数量值验证4.4 效能分析4.5 可视化分析5. 总结1. 概要会议：ECCV2020机构：慕尼黑工业大学+Google论文：https://www.ecva.net/papers/eccv_2020/papers_ECCV/papers/12

2022-05-05 10:06:57 755

原创【点云系列】PointGLR: Unsupervised Structural Representation Learning of 3D Point Clouds

文章目录1. 概要2. 动机3. 方法3.1 局部到全局的推理3.1.1 预测网络3.1.2 自监督度量学习3.2 全局到局部的推理3.2.1 自重构（自编码）3.2.2 法向量估计3.3 训练函数3. 层级推理：结构代理（structural proxy）4. 效果4.1 分类4.2 Single-view分类4.3 Few-shot 分类4.4 部件分割4.5 目标检测4.6 语义分割4.7 交叉数据集验证4.8 复杂度分析4.9 鲁棒性分析4.10 结构代理的有效性4.11 非监督预训练的有效性4.1

2022-04-27 19:31:45 414

原创【点云系列】PnP-3D: A Plug-and-Play for 3D Point Clouds

文章目录1. 概要2. 动机3. 方法3.1 局部内容融合3.1.1 局部几何分支：3.1.2 特征内容分支：3.1.3 聚合3.1.4 代码实现3.2 全局双边正则化3.2.1 基于通道的信息（channel-wise）3.2.2 基于点的信息（point-wise）3.2.3 聚合3. 2. 4 代码实现4. 效果4.1 分类4.2 语义分割4.3 目标检测4.4 与现有针对任务的基准线的比对4.5 消融实验-公式4.6 消融实验-attention4.7 可视化5. 思考最近终于有时间看看论文了

2022-04-22 17:39:09 3867 4

原创【3D形状重建系列】Implicit Functions in Feature Space for 3D Shape Reconstruction and Completion

文章目录1 概要2 Motivation3 思想4 算法5 实验结果6. 结论及思考1 概要题目：Implicit Functions in Feature Space for 3D Shape Reconstruction and Completion，CVPR 2020论文：https://virtualhumans.mpi-inf.mpg.de/papers/chibane20ifnet/chibane20ifnet.pdf代码：https://virtualhumans.mpiinf.mpg

2022-01-11 10:28:18 1113

原创【点云系列】SG-GAN: Adversarial Self-Attention GCN for Point Cloud Topological Parts Generation

文章目录1. 概要2. 动机3. 方法整体框架：OGC块中的BAN模块：SAG块里的attention模块：SAG块里的SAGN模块：4. 实验1. 概要发表在TVCG 2021期刊一句话介绍：将点云生成转化为拓扑表达学习的问题来解决。2. 动机特征捕获：使用层次混合模型= Self-attention + Tree Structure生成器：非监督方式3. 方法整体框架：生成模型包括两个模块：OGC + SAGOGC：2个BAN模块来上采样生成的ZZZ + ϕ\phiϕ函数调整

2022-01-11 10:24:22 1923 2

原创【点云系列】 A Rotation-Invariant Framework for Deep Point Cloud Analysis

文章目录1. 概要2. 动机3. 方法常用方法特征提取AAA：卷转不变性表达：整体网络框架：4. 实验1. 概要TVCG 2021期刊代码：https://github.com/nini-lxz/Rotation-Invariant-Point-Cloud-Analysis2. 动机现阶段方法的共同问题就是：旋转不变性没有被保证所以所提出的方法就是保证了这一点。一个低层语义的旋转不变性的表达来替代 3D笛卡尔坐标输入3. 方法常用方法特征提取AAA：基于全局特征GiG_iGi+局部

2022-01-10 19:08:00 1547

原创【点云系列】Fully-Convolutional geometric features

文章目录1. 概要2. Motivation3. 思想4. 算法5. 实验结果6. 结论及思考1. 概要题目：Fully-Convolutional geometric features论文：代码：背景：点云：在逆向工程中通过测量仪器得到的产品外观表面的点数据集合也称之为点云，通常使用三维坐标测量机所得到的点数量比较少，点与点的间距也比较大，叫稀疏点云；而使用三维激光扫描仪或照相式扫描仪得到的点云，点数量比较大并且比较密集，叫密集点云。2. Motivation3. 思想4. 算法5.

2022-01-04 18:46:55 809

原创【点云系列】Unsupervised Multi-Task Feature Learning on Point Clouds

1. 概要Unsupervised Multi-Task Feature Learning on Point Clouds2. Motivation3. 思想4. 算法三个非监督学习任务：聚类重构自监督分类5. 结果6.结论及思考

2022-01-04 16:03:02 454

原创【点云系列】FoldingNet：Point Cloud Auto encoder via Deep Grid Deformation

文章目录1. 概要2. Motivation3. 思想4. 算法5. 实验结果6. 结论与进展1. 概要题目：FoldingNet: Point Cloud Auto encoder via Deep Grid Deformation (CVPR’18 spotlight)论文：代码：简述：后续延伸：FoldingNet++Real-time Soft Robot 3D Proprioception via Deep Vision based Sensing2. Motivation

2022-01-04 11:44:31 1052 1

原创【点云系列】点云隐式表达相关论文概要

文章目录论文1. NIPS2016：Learning a Probabilistic Latent Space of Object Shapes via 3D Generative-Adversarial Modeling概要详细内容2. ICML2018：Learning Representations and Generative Models for 3D Point Clouds概要详细内容3. CVPR2019：Learning Implicit Fields for Generative Sha

2021-12-30 10:48:21 1320 2

原创【点云系列】Learning Representations and Generative Models for 3D pointclouds

摘要：本文要点：研究点云的表示方法，主要使用deep AutoEncoder。对比了不同的生成模型，l-GAN要好多GMMs：模型包括：1）GANs：直接作用于原始点云；2）l-GANs（latent-GANs）：直接作用在潜在空间的点云特征，用AE先提取潜在空间点云特征；3）GMMs：高斯混合模型评估方法：1）样本保真度；2）覆盖率度量；贡献点：一种新的点云AE框架；第一套点云深度生成模型；新的衡量指标，基于两个不同的点云集合之间的最佳匹配；背景：度量方式J

2021-12-28 16:25:48 1458

原创【git系列】简易上手

文章目录参考：参考：https://blog.csdn.net/qq_45893999/article/details/106273214https://blog.csdn.net/qq_24495287/article/details/83627727https://blog.csdn.net/dietime1943/article/details/85682688https://www.jianshu.com/p/a2c9dfe585abhttps://blog.csdn.net/qq_36

2021-12-28 16:23:32 207

原创【Tensorflow】共享机制

文章目录1. 共享机制2. 实例3. 参考：由于需要写一些TF的代码，忘记共享机制实现，复习并写了一下。1. 共享机制TF主要提供 Variable Scope 这种独特的机制来共享变量> #创建或返回给定名称的变量 > tf.get_variable(<name>, <shape>, <initializer>) > > #管理传给get_variable()的变量名称的作用域 > tf.variable_scope(&lt

2021-12-24 11:27:55 938

原创【点云系列】SO-Net：Self-Organizing Network for Point Cloud Analysis

文章目录1. 概要1.1 原文1.2背景知识2. Motivation3. 思想4. 算法4.1 SOM的置换不变性4.2 编码框架4.3 自编码器5. 实验结果6. 结论及思考1. 概要1.1 原文题目：SO-Net：Self-Organizing Network for Point Cloud Analysis， CVPR2018论文：https://link.zhihu.com/?target=https%3A//arxiv.org/abs/1803.04249代码：https://gith

2021-12-22 09:54:10 739

原创【指标】Precision、Recall

文章目录1. 二元分类指标1. 二元分类指标TP：预测为真的样本中确实为真的数量FP：预测为真的样本中确实为假的数量FN：预测为假的样本中确实为真的数量TN：预测为假的样本中确实为假的数量准确率 Accuracy：正确预测的样本=正确预测为1+正确预测为0的总样本数\frac{正确预测的样本=正确预测为1+正确预测为0的}{总样本数}总样本数正确预测的样本=正确预测为1+正确预测为0的 = TP+TNALL\frac{TP + TN}{ALL}ALLTP+TN

2021-12-22 09:39:52 85

原创【点云系列】Multi-view Neural Human Rendering （NHR）

文章目录1. 概要2. 动机3. 方法流程图整体框架模块1：特征提取（FE）模块2：投影与光栅化（PR）模块3：渲染（RE）训练损失几何改进4. 实验数据集实验效果：5. 总结1. 概要虞晶怡团队作品，CVPR2020，神经渲染系列论文地址：https://openaccess.thecvf.com/content_CVPR_2020/papers/Wu_Multi-View_Neural_Human_Rendering_CVPR_2020_paper.pdf项目地址：https://wuminy

2021-12-21 15:07:00 729

原创【点云系列】Neural Opacity Point Cloud（NOPC）

文章目录1. 概要2. 动机3. 方法4. 实验1. 概要项目地址：https://wuminye.github.io/NOPC/2. 动机3. 方法框架描述：从点云PPP当中，学习到其对应的特征FFF。为了适配到新的视角VVV，我们将PPP和FFF投射到VVV上来构建视角独立的特征图MMM4. 实验...

2021-12-21 11:15:43 404

原创【点云系列】Pointfilter: Point Cloud Filtering via Encoder-Decoder Modeling

文章目录1. 概要2. 动机3. 方法预处理：整体框架：编码器EncoderDecoder 解码器损失函数分析4. 实验1. 概要发表在TVCG2021 期刊代码：http://github.com/dongbo-BUAA-VR/Pointfilter基本使用到了双边滤波的思考2. 动机学习位移矢量，去噪后的点 = 噪声 + 位移矢量3. 方法预处理：给定一组点云真实块PPP和噪声块P^\hat{P}P^，rrr是块半径，一般为包围盒对角线5%PPP:干净的点云NNN: 噪声

2021-12-15 09:22:50 1246

原创【点云系列】Relationship-based Point Cloud Completion

文章目录1. 概要2. 动机3. 方法问题定义：两路网络：整体网络框架：损失函数：4. 实验**数据集**：可视化效果：实验结果：消融实验：5. 空间关系1. 概要TVCG 2021 期刊，点云补全2. 动机针对多物体组合的场景中的部分补全关注在：两个物体是否在场景当中空间临近如图所示：也就是两个空间相近的物体互相参考补全3. 方法问题定义：给定一个分割后的部分点云，包含两个部分，分别属于不同的物体目标：补全每个部分假定：假定输入是由一次扫描获取到的，这比从多个方向获取的场景更加

2021-12-14 19:14:57 3262 2

原创【点云系列】DeepMapping: Unsupervised Map Estimation From Multiple Point Clouds

文章目录1. 概要2. Motivation3. 思想4. 算法5. 实验结果6. 结论与进展1. 概要题目：DeepMapping: Unsupervised Map Estimation From Multiple Point Clouds论文：https://arxiv.org/pdf/1811.11397.pdf代码：https://ai4ce.github.io/DeepMapping/简述：解决点云配准/建图问题2. Motivation3. 思想4. 算法5. 实验结果6.

2021-12-10 11:46:49 233

原创【点云系列】场景识别类导读

文章目录1.2.3.4.1.2.3.4.

2021-12-08 11:33:50 1763 2

原创【期刊会议系列】IEEE系列模板下载指南

文章目录1. 下载模板2. 模板说明3. 模板使用4. 参考：1. 下载模板下载地址： [IEEE Article Templates]具体操作：1）打开上述连接，点击下面红框部分，如下：2）然后按照提示选择类型，例如我选择期刊，则选择第一个3）然后在第二步里面输入期刊的全称：例如这里是 IEEE Transactions on Multimedia4）直接选就可以，因为这里只有一个选项，如图5）选择需要的模板格式，这里选择Latex，如红框6）然后点击蓝色按钮就可以

2021-12-08 11:13:27 2549

原创【3D形状检索指标】The Princeton Shape Benchmark

文章目录定性可视化指标1. 最佳匹配（Best matches）：2. Precision-recall曲线：3. Distance image：4. Tier image：定量指标最近邻First-tier and Second-tier：E-Measure:Discounted Cumulative Gain (DCG)参考：定性可视化指标1. 最佳匹配（Best matches）：用排序的方式展示排序当中最好的匹配结果2. Precision-recall曲线：对于在类别C里的队列，和任何

2021-12-01 17:01:39 2377

原创【Latex系列】表格绘制

文章目录1. 小试牛刀2. 从简单入手3. 多行/多列multirow例子：multicolumn例子：两者结合例子参考：1. 小试牛刀Latex表格需要两个环境：table：包括表格的标题（caption）、表格偏移等tabular：表格内容如果是一整行，则为table后面加*号，如下：\begin{table*}[htb] %%%\end{table*} 一个简单的例子：\begin{table}[htb] \begin{center} \caption{Bee

2021-11-30 19:58:03 3847

原创【Latex系列】括号用法总结

文章目录1. 各类括号总结2. 括号大小控制配对使用：使用\left和\right不需要配对使用：\big1. 各类括号总结2. 括号大小控制配对使用：使用\left和\right可自动控制不同层次括号的大小，如1 中表所示。不需要配对使用：\big参考：https://blog.csdn.net/m0_37864814/article/details/102854015...

2021-11-30 19:19:37 11749

原创【点云系列】An evaluation of feature encoding techniques for non-rigid and rigid 3D point cloud retrieval

文章目录1. 简介2. 动机3. 流程图4. 实验5. 参考1. 简介一句话介绍：点云检索传统方法流程构建及评估论文：https://bmvc2019.org/wp-content/papers/0932.html2. 动机点云检索必要性：由于现阶段强大的计算资源，以及各类扫描设备，使得大量3D点云数据不断激增。如何从3D物体数据集里检索对应目标成为一个挑战。点云检索考量方法：虽然现阶段有很多3D点云局部特征描述子，但在检索中需要编码这些局部特征描述子成为一个全局描述子。点云

2021-11-29 20:07:07 2241

原创【点云系列】PoinNetVLAD：Deep Point Cloud Based Retrieval for Large-Scale Place Recognition

文章目录1. 概要2. 动机3. 方法问题定义整体网络框架4. 实验数据集说明：5. 参考1. 概要一句话：第一篇基于深度学习的点云点特征的点云检索文章论文：https://arxiv.org/abs/1804.03492代码：https://github.com/mikacuy/pointnetvlad说明：原版代码是tensorflow的，github上有pytorch版本，可自行寻找使用哈。2. 动机首先普及一下，场景识别是点云检索的一种实例。主要针对自动驾驶当中，可识别当前场景是否在已

2021-11-23 19:58:05 4313

原创【点云系列】DAGC：Employing Dual Attention and Graph Convolution for Point Cloud based Place Recognition

文章目录1. 简介2. 动机3. 方法4. 实验5. 参考1. 简介会议： ICMR 2020论文：https://dl.acm.org/doi/abs/10.1145/3372278.3390693代码：2. 动机3. 方法4. 实验5. 参考

2021-11-22 10:31:50 1985

原创【点云系列】LPD-Net: 3D Point Cloud Learning for Large-Scale Place Recognition and Environment Analysis

文章目录1. 简介2. 动机3. 方法整体网络架构Adaptive Local Feature Extraction模块：4. 实验实验效果消融实验5. 参考1. 简介一句话介绍：相比较PointNetVLAD，基于DGCNN来做，包含了局部特征编码。会议：ICCV 2019论文：https://openaccess.thecvf.com/content_ICCV_2019/papers/Liu_LPD-Net_3D_Point_Cloud_Learning_for_Large-Scale_Plac

2021-11-22 09:28:17 1950

原创【点云系列】Pyramid Point Cloud Transformer for Large-Scale Place Recognition

文章目录1. 简介2. 动机3. 方法整体框架：图嵌入模块：Transformer模块：金字塔VLAD门限机制4. 实验检索效果比对参数总量列表：消融实验：5. 参考1. 简介ICCV 2021论文：https://openaccess.thecvf.com/content/ICCV2021/papers/Hui_Pyramid_Point_Cloud_Transformer_for_Large-Scale_Place_Recognition_ICCV_2021_paper.pdf代码： https

2021-11-20 17:08:39 2087

空空如也

空空如也