开山之作-PointNet
1 点云数据处理共性问题
1.1 点云数据的无序性
1.2 点云数据的旋转性与平移性
2 PointNet
2.1 针对无序性
2.2 针对旋转性和平移性
3 总结
1 点云数据处理共性问题
传统深度学习模式(处理二维图像数据),使用序列化的卷积核处理序列化的二维图像数据,但点云是一种不规则数据,在空间上和数量上可以任意分布,因此传统的深度学习模式无法处理点云数据。

1.1 点云数据的无序性
在将实景保存为点云数据时(以pcd为例),是一行存储一个点的xyz信息,如果放大到多行点云数据来看,将某几行数据进行交换,它实际表达的仍然是同一片点云(xyz信息没变),只是在保存为点云数据时人为的加入了顺序(这是不可避免的)。对比二维图像数据,当交换它的某些点(即xy发生变化)它一定会代表另一种图案,所以这是传统深度学习模式无法处理点云数据的最大的障碍!

1.2 点云数据的旋转性与平移性
基于不同的视角所观察到的事物的样子是不相同的,例如这一片点云代表一辆车,传感器刚好倒放收集了点云数据,或者观察视角进行平移点云数据xyz信息都发生了变化。如何处理这样xyz信息有大量变化但所表达的信息不变(仍然是一辆车)的数据是传统深度学习模式无法解决的。

2 PointNet
PointNet作为利用深度学习方式处理点云数据的开山之作,成功的处理了点云数据,并进行分类、分割。

2.1 针对无序性
PointNet利用h-g-y的结构解决了点云数据无序性的问题:首先通过MLP提取特征,再通过max筛选最具代表性的特征,最后通过MLP消化筛选的特征。我个人的理解是不论点云的位置如何变化,通过maxpooling筛选出的最大值永远不会变,所以比较好的解决了点云数据的无序性问题。


2.2 针对旋转性和平移性
空间中物体的旋转和平移可以通过矩阵运算来解决(R、t),而深度学习本质上也是矩阵的运算,PointNet在网络加入两个T-Net,让网络自主学习如何调整位姿以得到更好的输出结果。

3 总结
PointNet是用点云数据进行深度学习的开山之作,所提出的使用maxpool解决点云无序性更是成为之后所有神经网络优先考虑的模块。
但PointNet仍然有很大的局限性,PointNet在通过maxpool将所有特征进行筛选的时候,没有局部概念,很难对精细的特征做学习,在分割上有很大的局限性;没有了局部概念在平移不变性也有局限性,例如在处理场景点云数据时,场景内包含多个物体,T-Net很难用一个标准去同一所有的物体。
————————————————
版权声明:本文为CSDN博主「袋袋成仙」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。
原文链接:https://blog.csdn.net/qq_43049432/article/details/101349184

点云数据处理(分类、分割、检测)PointNet相关推荐

  1. 【视频课】8大Pytorch CV实践案例,超30小时视频助你攻略CV三大基础任务(分类分割检测)

    计算机视觉中大大小小可以包括至少30个以上的方向,在基于深度学习的计算机视觉研究方向中,图像分类,图像分割,目标检测无疑是最基础最底层的任务,掌握好之后可以很快的迁移到其他方向,比如目标识别,目标跟踪 ...

  2. 论文大盘点|卷积神经网络必读的100篇经典论文,包含检测/识别/分类/分割多个领域...

    关注上方"深度学习技术前沿",选择"星标公众号", 资源干货,第一时间送达! 转载自:极市平台 作为深度学习的代表算法之一,卷积神经网络(Convolution ...

  3. ECCV 2022 | 适用于分类,检测,分割的生成式知识蒸馏开源

    作者丨美索不达米亚平原@知乎 (已授权) 来源丨https://zhuanlan.zhihu.com/p/539496128 编辑丨极市平台 导读 本文主要介绍ECCV 2022关于知识蒸馏的工作: ...

  4. 标准caffe中实现darknet相关层。caffe和darknet模型的相互转换和加速(分类、检测、分割)

    caffe实现darknet中的相关层,主要是yolo层和upsample层等: 实现yolo网络的训练和测试(分类.检测和分割): 提供darknet模型转caffe模型: 实现bn层合并和yolo ...

  5. 分类、检测、分割任务均有SOTA表现,ACNet有多强?

    (图片付费下载自视觉中国) 作者 | 路一直都在 来源 | 知乎专栏 Abstract 本文提出了一种新的自适应连接神经网络(ACNet),从两个方面对传统的卷积神经网络(CNNs)进行了改进.首先, ...

  6. 卷积神经网络必读的100篇经典论文,包含检测/识别/分类/分割多个领域

    点击上方"视学算法",选择加"星标"或"置顶" 重磅干货,第一时间送达 参考|学术头条 编辑|极市平台 作为深度学习的代表算法之一,卷积神经 ...

  7. 大盘点|卷积神经网络必读的 100 篇经典论文,包含检测 / 识别 / 分类 / 分割多个领域

    关注极市平台公众号(ID:extrememart),获取计算机视觉前沿资讯/技术干货/招聘面经等 原文链接:大盘点|卷积神经网络必读的 100 篇经典论文,包含检测 / 识别 / 分类 / 分割多个领 ...

  8. GridMask:SOTA 数据增广方法,显著改进分类、检测、分割效果

    点击我爱计算机视觉标星,更快获取CVML新技术 本文为52CV粉丝CrazyVertigo投稿,原文链接: https://zhuanlan.zhihu.com/p/103992528 给大家介绍一篇 ...

  9. 缺陷检测中的分类、检测与分割网络

    缺陷检测中的分类.检测与分割网络 前言 1. 分类网络 2. 检测网络 3. 分割网络 前言 根据缺陷检测的三个阶段其方法大致可以分为三类分别是分类网络.检测网络.分割网络. 1. 分类网络 由于CN ...

  10. 适用于分类,检测,分割的生成式知识蒸馏开源

    关于知识蒸馏的工作: Masked Generative Distillation.该方法在图像分类和密集预测的实验中,其学生模型均获得大幅提升 文章链接:https://arxiv.org/abs/ ...

最新文章

  1. 计算机应用基础2010备课,《计算机应用基础》教案——office2010版-(2)
  2. 【struts2+hibernate+spring项目实战】数据报表jxl及生成excel(ssh项目实战)
  3. The POM for com.ruifeng.tjtaxiqy:shiro:jar:0.0.1-SNAPSHOT is missing, no dependency information avai
  4. MeayunDB学习笔记(一) MeayunDB介绍及安装
  5. em算法怎么对应原有分类_[PRML]序列数据 HMM维特比算法及扩展
  6. jenkins之qq企业邮箱配置
  7. 计算机专用英语词汇pdf,计算机专用英语词汇1500词.pdf
  8. Laravel Homestead安装笔记
  9. Intellij IDEA连接Spark集群
  10. day02【后台】管理员登录
  11. Atitit html5 Canvas 如何自适应屏幕大小
  12. 今日头条 Android ‘秒‘ 级编译速度优化
  13. Flutter使用Clip裁剪Widget
  14. 密码破解---实验七:本地系统密码破解
  15. 元旦用SpringBoot撸了个博客网站送给大家
  16. 勇者斗恶龙10 android,《勇者斗恶龙》系列35周年纪念直播情报汇总
  17. 今日头条前端面试总结
  18. LeetCode——517. 超级洗衣机(Super Washing Machines)[困难]——分析及代码(C++)
  19. 手机加上芯片可看免费电视 明年国内将上市(图)
  20. 主流RGB灯,灯带通用C语言程序

热门文章

  1. 让 orangepi 用上Btsync(资源分享工具)好资源不怕和谐!
  2. 分享个短视频竞品分析报告
  3. 云豹直播系统源码搭建部署教程
  4. WPS简历模板的图标怎么修改_HR眼里的优秀简历模板长这样!30份中英文优秀模板,可一键修改!...
  5. 常见入门级显卡性能分析及对比(不定期更新)
  6. QThread线程详细用法
  7. 用线性代数解释图论中的一些结论
  8. GD32F103串口DMA收发(空闲中断 + DMA)
  9. A星寻路算法详解(完整代码+图片演示)
  10. Magisk 最新版本 V24.1 源码编译踩坑集锦