【文件属性】：
文件名称：pointnet：PointNet：用于3D分类和细分的点集深度学习
文件大小：495KB
文件格式：ZIP
更新时间：2024-02-27 00:42:57
neural-network tensorflow point-cloud classification segmentation
PointNet：针对3D分类和分割的点集深度学习
由斯坦福大学的 ，，， 。
介绍
这项工作基于我们的，该将在CVPR 2017中发表。我们为点云（作为无序点集）提出了一种新颖的深层网络架构。 您也可以查看我们的以获得更深入的介绍。
点云是几何数据结构的一种重要类型。 由于格式不规则，大多数研究人员将此类数据转换为规则的3D体素网格或图像集合。 但是，这使数据变得不必要地庞大并引起问题。 在本文中，我们设计了一种直接消耗点云的新型神经网络，该网络很好地考虑了输入中点的排列不变性。 我们的网络名为PointNet，为从对象分类，零件分割到场景语义解析的应用程序提供了统一的体系结构。 虽然很简
【文件预览】：
pointnet-master
----models()
--------pointnet_seg.py(5KB)
--------pointnet_cls.py(4KB)
--------pointnet_cls_basic.py(3KB)
--------transform_nets.py(4KB)
----LICENSE(1KB)
----doc()
--------teaser.png(361KB)
----utils()
--------pc_util.py(6KB)
--------plyfile.py(26KB)
--------tf_util.py(19KB)
--------eulerangles.py(13KB)
--------data_prep_util.py(5KB)
----README.md(6KB)
----sem_seg()
--------indoor3d_util.py(24KB)
--------eval_iou_accuracy.py(1KB)
--------meta()
--------download_data.sh(227B)
--------collect_indoor3d_data.py(893B)
--------README.md(2KB)
--------batch_inference.py(7KB)
--------model.py(3KB)
--------gen_indoor3d_h5.py(4KB)
--------train.py(10KB)
----evaluate.py(7KB)
----part_seg()
--------pointnet_part_seg.py(8KB)
--------download_data.sh(421B)
--------testing_ply_file_list.txt(384KB)
--------test.py(10KB)
--------train.py(19KB)
----provider.py(4KB)
----train.py(11KB)