基于pointnet的3D物体分类和分割检测(复现不出来你直接敲我家门)
录
前言
一.资料下载
1.代码下载
2.数据集下载
二.环境配置
1.本文采用设备配置说明
2.虚拟环境配置
三.训练部分
1.分类训练部分
2.分割的训练部分
四.预测部分
1.分类结果展示
2.分割结果可视化
前言
目前,2D的物体检测算法已经非常成熟,算法准确率的上升空间已经遇到瓶颈,而且2D物体检测多受光照、遮挡等外界环境因素影响,已经满足不了时下复杂环境要求。人们开始转向对3D物体世界的研究,3D物体检测掀起了前所未有的浪潮。本文pointnet网络可以说是3D物体检测领域中里程碑性的工作,它也为后续复杂网络奠定了基础,是3D物体检测领域不可不学,不可不复现的经典网络。
一.资料下载
1.代码下载
代码放在百度网盘了,可在如下链接中下载:
http://链接:https://pan.baidu.com/s/1w_tJU3UlPish9bQLYEzE2g 提取码:zfquhttp://链接:https://pan.baidu.com/s/1w_tJU3UlPish9bQLYEzE2g 提取码:zfqu
下载完代码如下:
2.数据集下载
https://shapenet.cs.stanford.edu/ericyi/shapenetcore_partanno_segmentation_benchmark_v0.ziphttps://shapenet.cs.stanford.edu/ericyi/shapenetcore_partanno_segmentation_benchmark_v0.zip数据集下载完直接解压即可
如点开网页出现信息如下图:
可点击图片上的 高级 选项 ,然后继续进行下载,如下图黑框中:
二.环境配置
1.本文采用设备配置说明
系统:Ubuntu 18.04.6 LTS(window系统也可)
显卡:RTX3090
CUDA版本:cuda11.1
2.虚拟环境配置
在anconda中创建python3.6版本的虚拟环境,激活虚拟环境并在其中下载torch:
torch1.8.0+cu111
torchvision0.9.0+cu111
以上环境配置出现问题可以查看我上一篇环境配置部分,根据自己电脑配置,配置相对应的cuda及torch版本
三.训练部分
1.分类训练部分
(1)在配置好的虚拟环境中执行:
python train_classification.py --dataset shapenetcore_partanno_segmentation_benchmark_v0
--dataset 是指定需要训练的数据集
(2)训练过程如下图:
训练完的权重文件会存放在cls文件夹中
2.分割的训练部分
(1)在配置好的虚拟环境中执行:
python train_segmentation.py --dataset shapenetcore_partanno_segmentation_benchmark_v0
--dataset 是指定需要训练的数据集
(2)训练过程如下图:
训练完的权重文件会存放在seg文件夹中
四.预测部分
1.分类结果展示
输入以下代码进行预测:
python show_cls.py --model ./cls/cls_model_4.pth
--model 指定得是训练好的权重文件,结果如下:
可见,准确率大多都在93%以上,检测效果良好
2.分割结果可视化
输入以下代码进行预测:
python show_seg.py --class_choice 'Car' --model ./seg/seg_model_Chair_4.pth
--class_choice 指定要识别的物体类别
--model 指定得是训练好的权重文件,结果如下:
可见,网络已经成功分割出了汽车,这是由3d点云组成的动态汽车图,可滑动鼠标进行查看
还可以分割飞机等其他物体,操作方法是一样的,只需换一下指定的物体类别,如:
python show_seg.py --class_choice 'Airplane' --model ./seg/seg_model_Chair_4.pth
可视化结果如下:
配置过程中遇到任何问题,可以加关注私聊我,很愿意帮你解决!!!
基于pointnet的3D物体分类和分割检测(复现不出来你直接敲我家门)相关推荐
- PointNet:3D点集分类与分割深度学习模型
之前的一篇博客<动手学无人驾驶(4):基于激光雷达点云数据3D目标检测>里介绍到了如何基于PointRCNN模型来进行3D目标检测,作者使用的主干网是PointNet++,而PointNe ...
- 3D物体分类---ModelNet .OFF格式生成多视角图像(Blender方法之第二步)
3D物体分类---ModelNet .OFF格式生成多视角图像(Blender方法之第二步) 强烈建议使用Blender方法!!! 说明 2 python调用Blender生成多视角图像 2.1 Bl ...
- matlab图像分类器,Matlab 基于svm的图像物体分类
Matlab 基于svm的图像物体分类 发布时间:2018-05-16 20:27, 浏览次数:1623 , 标签: Matlab svm 本周工作日志,老师布置了一个小作业,让我们使用matlab实 ...
- 3D物体分类---ModelNet .OFF格式生成多视角图像(Blender方法之第一步)
3D物体分类---ModelNet .OFF格式生成多视角图像(Blender方法之第一步) 强烈建议使用Blender方法!!! 说明 1. ModelNet .OFF格式生成多视角图像方法(Ble ...
- 激光雷达:最新趋势之基于RangeView的3D物体检测算法
作者丨巫婆塔里的工程师@知乎 来源丨https://zhuanlan.zhihu.com/p/406674156 编辑丨3D视觉工坊 之前在LiDAR点云物体检测算法的综述中提到了四个发展阶段.在最开 ...
- CVPR | 基于LiDAR的3D物体检测新框架
点上方蓝字计算机视觉联盟获取更多干货 在右上方 ··· 设为星标 ★,与你不见不散 编辑:Sophia 计算机视觉联盟 报道 | 公众号 CVLianMeng 转载于 :元戎启行 近日,L4级自动 ...
- 更快更精准的感知,元戎启行提出基于LiDAR的3D物体检测新框架|CVPR 2020
近日,L4级自动驾驶解决方案提供商元戎启行的一篇关于3D物体检测的论文被CVPR2020收录,论文题为"HVNet: Hybrid Voxel Network for LiDAR Based ...
- 基于ROS机器人的3D物体识别与三维重建(三)基于ROS的3D物体识别
Kinect2相机标定与点云数据获取 1.介绍 2 基于Gazebo搭建物体识别仿真环境 2.1 Gazebo简介 2.2 创建仿真环境 3 三维物体识别 3.1 基于模板匹配的物体识别流程 3.2 ...
- Matlab 基于svm的图像物体分类
matlab 图像分类 本周工作日志,老师布置了一个小作业,让我们使用matlab实现图像物体分类 目录 文章目录 matlab 图像分类 目录 1分类原理 2程序流程 补充 1分类原理 基于一个很朴 ...
最新文章
- 【线段树分治 线性基】luoguP3733 [HAOI2017]八纵八横
- (C++)自定义链表并写入
- 这个插件竟打通了Python和Excel,还能自动生成代码!
- webpack配置说明
- Vue packages version mismatch:- vue@2.6.14 - vue-template-compiler@2.6.11解决方法
- Android系统启动-SystemServer下篇
- C#導出Excel源碼
- javascript 函数的变量与作用域
- cad对计算机专业的用处,CAD软件的特点和用途
- t480 拆触摸板_thinkpad t470怎么关闭触摸板?
- win7访问计算机需要密码,win7访问win10系统时需要输入用户名密码解决方法
- rn源码ios_携程开源RN开发框架CRN
- linux下hwclock及clock命令详解
- ATC系统QNH高度修正(AirNet川大)
- 【processing码绘】简单实现码绘动态图形与拓展
- 使用安卓模拟器和GPA截帧分析手游
- 菜鸟的mysql高级进阶以及mysql数据库优化
- Arduino与无源蜂鸣器
- 日语学习资料-N4(免费下载)
- 机械制造作业考研题目答案分享——工艺规程的制定