对于PointNet的源码阅读

最新推荐文章于 2025-06-23 20:56:56 发布
最新推荐文章于 2025-06-23 20:56:56 发布
阅读量2.7k 收藏 6
点赞数
CC 4.0 BY-SA版权
分类专栏： 机器学习 图像处理与识别
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/HopefulLight/article/details/80892484
PointNet是一种直接面向点云的深度学习框架，适用于物体识别及分割任务。它在多个测试集中表现优异，已应用于自动驾驶场景中的激光雷达点云处理。PointNet使用Tensorflow实现，其语义识别与分割代码分别位于sem_seg与part_seg文件夹中。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

PointNet 是发表在CVPR2016的一种直接面向点云的深度学习框架。可用于对点云进行物体识别/分割。
PointNet在多种测试集中表现出良好效果。已经被momenta.ai等自动驾驶公司用于激光雷达点云处理，可见其算法确有实际价值。
PointNet的源代码基于Tensorflow，源码目录中的sem_seg对于语义识别代码 ；而part_seg文件夹内对应分割代码。

训练代码主要在train.py文件中
数据集的载入、增强在provider.py文件中

详情可参见https://blog.youkuaiyun.com/yongxiebin9947/article/details/79368752

PointNet++源码详解
qq_52053775的博客
01-04 2253
分类任务的整体流程为,首先类似于卷积，堆叠多层PointNet++进行局部特征提取，需要注意的是，在最后一层pointnet++中，只分为一组，以获得全局特征，输出层由全连接层，最后使用softmax进行归一化。根据中心点按照多个半径得到子集簇,多个半径是实现多尺度特征融合的方式之一,另外,不同的半径选取的簇中，的点的个数也不同,例如半径为0.1,k=16,半径为0.2,k=32。然后进行上采样，对于第一次上采样，此时只有一个点，直接进行复制，其他的按照距离的远近生成权重参数，进行插值。
pointnet源码阅读:训练
zhaoguanhua的博客
12-23 2695
文章目录一、参数设置二、数据加载训练三、训练参数设置(会话、模型、操作、损失函数、优化器等)四、单轮训练五、单轮验证 这里主要以S3DIS数据集为例来解释一下pointnet的源码 博客点云语义分割:PointNet训练S3DIS数据集记录了如何使用pointnet训练S3DIS模型。直接执行train.py就可以了。这里我们就记录一下train.py的每一步操作。 大致可以分为参数设置、数据加载、训练参数设置、单轮训练、单轮验证几个过程。 一、参数设置 参数设置中主要是指定测试集是哪个区域：- -test
Pointnet_Pointnet2_pytorch:由pytorch（pure python）以及在ModelNet，ShapeNet和S3DIS上实现的PointNet和PointNet ++
05-11
PointNet和PointNet ++的Pytorch实现 此是和的实现。 更新 2021/03/27： （1）发布预训练的语义分割模型，其中PointNet ++可以达到53.5％的mIoU。 （2）在log/发布用于分类和零件细分的预训练模型。 2021/03/20：更新分类代码，包括： （1）添加用于训练ModelNet10数据集的代码。 使用--num_category 10设置。 （2）添加仅在CPU上运行的代码。 使用--use_cpu设置。 （3）添加用于离线数据预处理的代码，以加快培训速度。 使用--process_data设置。 （4）添加用于统一采样的训练代码。 使用--use_uniform_sample设置。 2019/11/26： （1）修复了先前代码中的一些错误，并添加了数据增强技巧。 现在仅按1024点分类就可以达到92.8％ ！ （2）
pointnet.pytorch代码复现中遇到的问题（纯小白版）
最新发布
Aurora11k的博客
06-23 491
项目首页 - pointnet.pytorch:pytorch implementation for "PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation" https://arxiv.org/abs/1612.00593 - GitCode。
PointNet源码解读
AI训练师中的点滴
10-04 991
pointnet
PointNet代码解析
cocapop的博客
04-07 986
然后直接基于这个“2D图像”做卷积，第一个卷积核size是 [1,3] ，正好对应的就是“2D图像”的一行，也就是一个点（三维坐标），输出通道数是64，因此输出张量维度应该是 B×N×1×64。这里input_image维度是 B×N×3×1 ，因此将点云看成是W和H分为N和3的2D图像，维度是 1。第二个卷积核size是 [1,1] ， 1∗1 卷积只改变通道数，输出张量维度是 B×N×1×64。max_pooling，这个在论文的图中还是代码中都有体现，代码甚至直接用注释注明了。
PointNet++ 源码解读
qq_42813620的博客
05-30 1105
先找到存放训练和测试数据的目录，接下来加载相关的数据参数：下面是执行的结果： 接下来为训练样本开始做准备： 给不同标签做上标记： 定位每个样本文件： optimizer.zero_grad()//将梯度清零，如果不加此话，梯度就会一直不断的累加。接下来将点云转为Numpy的形式，并进行随机点剔除、缩放和平移以上的内容对于防止过拟合很有帮助，提升模型的泛化能力接下来就是将numpy转为tensor的数据形式，并将维度中 第2维和第3维进行转置，再放入cuda。数据发生的变化：16*1024*3---》16*3
开源框架PointNet 代码详解——/pointnet/provider.py
shaozhenghan的博客
07-17 6881
provider.py 这个源文件主要用于数据集相关的操作，如数据集增强，数据集加载等。下面依次介绍。 import os import sys import numpy as np import h5py BASE_DIR = os.path.dirname(os.path.abspath(__file__)) sys.path.append(BASE_DIR) 导入相关库，添加路径。注意...
PointNet++ 源码有批注
08-01
在本压缩包中，你将找到带有批注的PointNet++源代码，这对于理解其工作原理和实现细节非常有帮助。 PointNet++的核心思想是递归地应用点云的分层采样和聚类，形成不同尺度的特征表示。它通过一系列的Set ...
点云语义分割pointnet++运行自制数据集的代码
05-30
`.idea` 目录是IDE（如PyCharm）的工作区配置文件，包含了项目特定的设置和布局信息，通常不包括在源代码版本控制中。 `provider.py` 文件可能是数据提供器，负责读取和预处理点云数据，将其转换为模型可接受的格式...
pointnet_pytorch:Pointnet和Pointnet ++的部分实现
05-02
点云处理在计算机视觉领域中占据着重要地位，特别是在3D物体识别、场景理解与重建等方面。PointNet和PointNet++是两种...通过阅读和修改源代码，你可以深入理解点云处理的细节，以及如何在PyTorch中实现深度学习模型。
Pointnet模型源码解读（更新中）
peanutboom的博客
12-17 1158
我看的是这位大佬的代码： GitHub - yanx27/Pointnet_Pointnet2_pytorch: PointNet and PointNet++ implemented by pytorch (pure python) and on ModelNet, ShapeNet and S3DIS. T-Net网络解析 class STN3d(nn.Module): def __init__(self, channel): super(STN3d, self)..
PointNet&PointNet++源码pointnet_util.py理解
xiaobaizaza_Ry的博客
04-24 2061
PointNet&PointNet++源码pointnet_util.py理解 源码：https://github.com/yanx27/Pointnet_Pointnet2_pytorch 文件:pointnet_util.py import torch import torch.nn as nn import torch.nn.functional as F from time imp...
【论文】pointnet代码解读
weixin_51277640的博客
11-21 1465
1 引言 PointNet论文解读已经在前文中做以总结，本文简单讲述PointNet的复现，并对源码及其架构作以总结 2 论文复现 2.1 环境配置 源码：PointNet 组件版本：tensorflowGPU1.13.1+cuda10.0.1+cudnn7.4.2 配置流程：TensorflowGPU安装 2.2 运行 1 从Anaconda Prompt中激活TensorflowGPU环境 2 进入源码根目录之下，运行train.py 3 在dump文件夹之下查看错误训练结果 上述错误图片命名格式为
PointNet代码详解
qq_53909832的博客
12-03 779
PointNet代码详解
3D点云深度学习PointNet源码解析——pointnet_cls.py.py
夜晓岚的博客
10-25 1128
参考博客： #这个文件实现了网络的分类结构。输出为B*40，是每个样本对于每个类别的概率。网络结构在get_model()中定义，loss则在get_loss中定义 import tensorflow as tf import numpy as np import math import sys import os BASE_DIR = os.path.dirname(os.pa...
pointnet源码阅读:model
zhaoguanhua的博客
12-23 565
一、编码器 二、解码器
PointNet/PointNet++ 开源代码内容（集百家所长）
杨家乐的博客
06-24 1046
感谢链接中各位作者，如侵删。 一：PointNet论文复现及代码详解-知乎https://zhuanlan.zhihu.com/p/86331508 Pytorch代码：https://github.com/fxia22/pointnet.pytorch 二：从PointNet到PointNet++理论及pytorch代码-优快云https://blog.youkuaiyun.com/weixin_39373480/article/details/88878629 Pytorch代码：https://gith
PointNet代码详细解释(Pytorch版本)
热门推荐
yuanmiyu6522的博客
03-24 1万+
pointnet.pytorch的代码详细解释1. PointNet的Pytorch版本代码解析链接2. 代码解释2.1 代码结构思维导图2.2 代码注释2.2.1 build.sh2.2.2 render_balls_so.cpp2.2.3 download.sh2.2.4 train_classification.py2.2.5 dataset.py功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右S
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值