PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation

总结 Pointnet

论文链接：https://arxiv.org/abs/1612.00593v2
项目链接：https://github.com/charlesq34/pointnet

基本内容：

分类网络：使用点云作为基本输入，分别通过T-net(3)（这里经过T-net预测出一个3 * 3的矩阵，然后用输入矩阵n * 3与这个矩阵相乘）再经过 mlp(64,64) T-net(64) mlp(64,128,1024) 最后进行MALPOOL成一个（1*1024）再经过mlp(512,256,k) k是分类种类数

部分分割网络： 将通过T-net(64)后的n * 64与最后预测的n*1024做一个Tf.concat级联，再通过mlp(512,256,128,128,m)生成一个n * m的分数，其中n是点数，m是对应点在各个部分上的评分。
解决问题： 针对3D 分类分割提出了自己解决问题的方法，主要针对3D点云数据的特点：无序性（且点数量不固定），相互作用性（即研究的问题在于这些点之间的相互作用），刚体旋转不变性。因为这些特点，无法像2D图片一样使用CONV2D作为提取局部特征的方法&#x