3D
我喜欢你就像
计算机视觉/深度学习 研究生
展开
-
PointNet、PointNet++系列解读
PointNet、PointNet++系列解读论文地址:PointNetPointNet++PointNet 解读经典的卷积神经网络需要一个规律的输入格式,但是点云或者meshes都不是一个规律的格式(点云只是一系列点坐标值的无序集合),很多研究者将点云转化为体素网格(3D voxel grids)或者多视图(如MVCNN)的2D图像送入深度网络中,这种数据形式的转化增加了不必要的数据量,同时还引入了量化伪像,掩盖了数据的自然不变性。PointNet则直接将点云作为输入,并输出整个输入的类标签或原创 2020-12-17 16:45:50 · 1104 阅读 · 0 评论 -
3D点云形状分类简介
3D点云形状分类简介3D形状分类主要有三种方法:基于多视图的(multi-view),基于体积的(volumetric-based),基于点的(point-based)。基于多视图的方法将非结构化的点云投影为2D图像,而基于体积的方法将点云转换为3D体积表示。然后利用2D或3D卷积网络来实现形状分类。相反,基于点的方法直接在原点云图像上运行,不会造成信息丢失,正在逐渐成为主流。基于多视图的点云分类算法基于多视图的方法首先将3D形状投影到多个视图中,然后提取视图的特征,融合这些特征以进行准确的形状分类原创 2020-12-17 16:44:38 · 5279 阅读 · 2 评论 -
3D点云数据集汇总
3D点云数据集汇总分类数据集:合成:Z. Wu, S. Song, A. Khosla, F. Yu, L. Zhang, X. Tang, and J. Xiao, “3D shapeNets: A deep representation for volumetric shapes,” in CVPR, 2015.A. X. Chang, T. Funkhouser, L. Guibas, P. Hanrahan, Q. Huang, Z. Li, S. Savarese, M. Savva,原创 2020-10-26 21:55:07 · 2549 阅读 · 1 评论