pointnet学习（七）input_transform_net

最新推荐文章于 2024-07-03 12:02:40 发布

原创

最新推荐文章于 2024-07-03 12:02:40 发布 · 1.2k 阅读

6 ·

CC 4.0 BY-SA版权

文章标签：

#tensorflow

本文深入解析点云处理中的输入变换网络（Input Transform Net），详细介绍其架构与工作原理。该网络通过一系列卷积操作从点云数据中提取特征，并最终生成用于旋转点云的变换矩阵。

因为getmodel中第一个net就是此函数，且函数语句较多，所以分开写

首先看函数实现

def input_transform_net(point_cloud, is_training, bn_decay=None, K=3):
    """ Input (XYZ) Transform Net, input is BxNx3 gray image
        Return:
            Transformation matrix of size 3xK """
    batch_size = point_cloud.get_shape()[0].value
    num_point = point_cloud.get_shape()[1].value

    input_image = tf.expand_dims(point_cloud, -1)
    net = tf_util.conv2d(input_image, 64, [1,3],
                         padding='VALID', stride=[1,1],
                         bn=True, is_training=is_training,
                         scope='tconv1', bn_decay=bn_decay)
    net = tf_util.conv2d(net, 128, [1,1],
                         padding='VALID', stride=[1,1],
                         bn=True, is_training=is_training,
                         scope='tconv2', bn_decay=bn_decay)
    net = tf_util.conv2d(net, 1024, [1,1],
                         padding='VALID', stride=[1,1],
                         bn=True, is_tra