论文地址:https://arxiv.org/abs/1612.00593
代码:https://github.com/charlesq34/pointnet.git
来源:斯坦福大学
论文名称:PointNet: Deep Learning on Point Sets for 3D Classification andSegmentation
原文作者:Charles R. Qi
点云是一个重要的几何数据结构表示方法。由于点云数据的无序性,大部分的研究者将原始的点云数据变换到3D体素或者图像集合上再进行计算。然而这些操作会引入不必要的计算量和新的问题。本文中我们设计了一个新颖的网络结构可以直接处理点云数据,该网络可以很好的考虑输入点云的不变性。网络被命名为PointNet,本网络提供了一个统一的结构可以应用于目标分类、目标分割、和场景语义解析。虽然结构简单,但是PointNet非常高效。实验表明,PointNet的算法与当前最好的一些算法表现相当甚至更优秀。本文在理论上分析了,在训练过程中网络学习到了什么,并且为什么网络能够对数据点云的扰动和腐蚀,表现出很好的鲁棒性。
下面是论文具体框架结构以及实验结果:
声明:文章来自于网络,仅用于学习分享,版权归原作者所有,侵权请加上文微信联系删除。