- 博客(13)
- 收藏
- 关注
RSS订阅原创 Point cleannet训练代码解析
在这里插入代码片from __future__ import print_functionimport argparseimport osimport sysimport randomimport mathimport shutilimport torchimport torch.nn.parallelimport torch.optim as optimimport torch.optim.lr_scheduler as lr_schedulerimport torch.util
2020-08-30 09:48:02
806
2
原创 Point cleannet代码解析
PCPNET部分from __future__ import print_functionimport numpy as np import torchimport torch.nn as nnimport torch.nn.parallelimport torch.utils.dataimport torch.nn.functional as Ffrom torch.autograd import Variableimport utilsclass STN(nn.Module):
2020-08-20 09:17:47
1138
11
原创 PointNet：基于深度学习的3D点云分类和分割模型
简介深度学习已经成为了计算机视觉领域的一大强有力的工具，尤其在图像领域，基于卷积神经网络的深度学习方法已经攻占了绝大多数问题的高点。然而针对无序点云数据的深度学习方法研究则进展相对缓慢。这主要是因为点云具有三个特征：无序性、稀疏性、信息量有限。以往学者用深度学习方法在处理点云时，往往将其转换为特定视角下的深度图像或者体素（Voxel）等更为规整的格式以便于定义权重共享的卷积操作等。PointNet则允许我们直接输入点云进行处理。输入输出输入为三通道点云数据，也可以有额外的通道比如颜色、法向量等，
2020-08-12 09:30:02
1915
原创 算法基础课：区间DP
首先区间DP：顾名思义：区间dp就是在区间上进行动态规划，求解一段区间上的最优解。主要是通过合并小区间的 最优解进而得出整个大区间上最优解的dp算法。既然让我求解在一个区间上的最优解，那么我把这个区间分割成一个个小区间，求解每个小区间的最优解，再合并小区间得到大区间即可。所以在写代码时必须要将区间从小到大枚举，为的是保证后面大的区间所用到的已经是被算过了，然后开始枚举左端点，枚举完左端点以后，再确立右端点，此步实质上是确定区间的一个过程，最后一步再去枚举我中间的分点即可。代码模板：在这里插入代码片i
2020-07-04 15:16:17
233
原创 算法基础课：动态规划之背包问题
首先动态规划，应该理解为一个递推的过程，很多时候对于动态规划来说都应该是从前向后递推的一个过程。但是思考的方式还是应该按照递归的思想来去思考，比如说按照集合划分，状态表示，状态表示又可以划分成状态表示的东西是什么？状态表示的条件是什么，属性又是什么？状态计算就是正常的一个递推的过程，思考方式是该属性可以来源于哪些部分，然后然后以递推的方式进行即可。01背包：每个物体只有选与不选。完全背包：每个物体可以选择无数次。多重背包：每个物体只能选择有限次。分组背包：分成若干组，每次只能从每组之中选择一个（类似
2020-07-03 22:20:23
209
原创 算法基础课：集合结构
堆：首先来讲什么是堆，首先，对于堆来说，分为大根堆，小根堆，其维护是应用数组来维护，对于堆来说有几个常用操作：增加新元素，删除元素，调整堆序。堆的常见应用：优先队列。对于此来说常常应用于维护最大最小值的集合。哈希表：将大范围的数，映射到一个小范围上。对于哈希表，在C++里一般用STL实现。...
2020-07-01 16:48:49
159
原创 算法基础课：线性结构
1：链表，顾名思义，就是一个向链子一样套在一起的结点，对于每个结点，分为地址和数据两个块，在算法竞赛中我们常常使用静态链表（数组模拟链表）也就是说对于链表我们什么时候使用这个数据结构呢？通常情况下，我们对于需要频繁插入和删除的数据结构我们才会使用链表，因为此时对于插入和删除的时间复杂度是O(1)对于链表个人感觉感觉用的最多的地方还是在于邻接表和哈希里。下面讲讲静态链表：...
2020-06-30 22:50:45
147
原创 算法基础课：双指针算法
首先对于双指针算法，必须明确，对于此问题来说，只能是一个优化问题，核心思想是把一个O(n2)的时间复杂度问题给优化到O(N）来解决。通用模板：按照朴素算法：for(int i=0;i<n;i++)for(int j=0;j<n;j++){具体问题的逻辑}按照某种性质进行优化：for(int i-0,j=0;i<n;i++)while(j<i&&check(i,j)(某种属性）){每道题目具体逻辑}具体题目举例：给定一个长度为n的整数
2020-06-29 12:04:57
155
原创 算法基础课：前缀和与差分
对于前缀和：实质上就是背公式，对于前缀和分一维和二维首先应该是一维前缀和的公式：s[i]=s[i-1]+a[i];a[i]+=a[i-1];常用的就是这两个公式，对于前缀和实质就是某一段区间的和。作用：求出某一段区间的和。比如说对于[l,r]这个区间，我们应该做的就是s[r]-s[l-1]即可。对于二维前缀和我们也叫做矩阵的和：对于矩阵的和应该如何取？s[i][j]=s[i-1][j]+s[i][j-1]-s[i-1][j-1]+a[i][j]a[i][j]+=a[i-1][j]+a[i]
2020-06-29 09:55:31
208
原创 算法基础课：高精度
j高精度算法：常用的有加减，对于乘除我们只会用小数乘大数。首先对于高精度加法，应该使用string类来进行表示，然后对于此类问题还需要特别注意的就是对于一个大数来说，我们应该进行倒置，这样对于加减来说更为有利。对于高精度加法模板如下：应该先设置一个t=0;然后分别加上每一个数的对应位即可解决问题。对于高精度减法注意的点就比较多了：1：首先对于高精度减法来说，首先最重要的就是确定大小，应该是大数减小数，那么如何大数减小数呢，此时涉及到的细节就比较多：比较大小：首先应该是将size进行比较，若size
2020-06-28 22:36:51
137
原创 算法基础课：二分
整数二分：对于一个区间，必须具有左属性，右属性，对于二分本质来说，就是可以找到这个属性的边界值，单调必然可以二分（因为左右两部不同）对于整数二分分两种情况，第一种是满足左属性，另一种是满足右属性。对于左属性模板：int l,r;l=left,r=right;while(l<r){int mid=(l+r+1)>>1;if(check(mid))(写题的时候关键是check函数，确定左部属性还是右部属性）l=mid;elser=mid-1;}...
2020-06-28 21:34:35
111
原创 PointAugment：点云分类的自动增强框架
创新性：作为探索3D点云自动增强的首次尝试，作者展示了用PointAugment代替传统的数据增强方法，可以显着改善ModelNet40 （参见图1）和SHREC16（参见第5节）在四个有代表性的网络上的实现，包括PointNet，PointNet ++，RSCNN 和DGCNN。 此外，我们演示了PointAugment在形状检索上的有效性，并评估了其健壮性，损失配置和模块化设计。思路：1：注意样本，对于每个样本不是采取通用的策略，而是通过考虑样本的基本几何结构，为每个输入样本回归一个特定的增广函数
2020-05-24 22:55:18
878
原创 PCPNET与POINTNET的比较
对于PCPNET，相比于POINTNET有许多改进，首先是将全局的FEATURE改成局部的FEATURE具体结构如下：1：Preprocessing首先提取出P = {p1,…, pN},对于这些点都是取半径为r所得的点，为了去除不必要的自由度，所以进行了一个归一化操作，变成1/r，并且对于输入的点数都是固定的2：Architecture：1：空间旋转器：相较于之前的空间旋转器用的是矩阵乘法，本文的输入改成了一个四元组。其中STN1便是此旋转器但是对于STN2本文仍然采用了64✖64的旋转矩阵
2020-05-24 18:20:20
1445
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人