论文地址:https://arxiv.org/abs/1706.02413
代码:https://github.com/charlesq34/pointnet2.git
来源:斯坦福大学
论文名称:PointNet++: Deep Hierarchical Feature Learning on Point Sets in aMetric Space
原文作者:Charles R. Qi
以前很少有关于点云数据的深度学习算法研究。PointNet是一个先锋在这个领域。然而他不能捕获空间点引起的局部结构特征,这限制了其对细微场景的和复杂场景的表示能力。本文中提出了递归的网络结构,嵌入到PointNet中,嵌入的处理输入的点云序列。通过使用空间距离,我们的网络能够通过不断增加的上下文范围来学习本地特性。进一步的研究表明,点云通常会被采样为多种不同的密度,这将会导致使用均一密度训练得到的网络模型不能在其他的密度上得到较好的结果,本文的提出了新颖的网络结构可以自适应的学习不同的点云密度。本文的网络结构被命名为PointNet++。实验结果表明,本文网络结构可以有效和鲁棒的学习点云的特征结构。特别是在具有挑战性的数据集上获得的结果显著优于当前最先进的算法水平。
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。