oliongs的博客

1. 主要思想从前一层的数据中取K个候选点(p1,p2,...pK)，使用MLP(多层感知器)来学习一个K×K 的变换矩阵（X-transformation，X变换）也就是说X=MLP(p1,p2,...pK)，然后用它同时对输入特征进行加权和置换，最后对经过变换的特征应用典型卷积。我们称这个过程为X-Conv，它是PointCNN的基本构建模块。从前一层中选取代表点集的方法，暂时的实现是...

1. 概念引入permutohedra  lattice （原文：Fast high-dimensional filtering using the permutohedral lattice下述文字参考了：https://blog.youkuaiyun.com/xuanwu_yan/article/details/7962508）一个d维的permutohedral lattice是d+1维...

1. 背景引入分割概念语义分割：对图像中每个像素或点云的每个点都划分出对应的类别实例分割：实例分割是物体检测+语义分割的综合体。相对物体检测的边界框，实例分割可精确到物体的边缘；相对语义分割，实例分割可以标注出图上同一物体的不同个体（羊1，羊2，羊3...）siamese network 两张图片做分类的话，同一类在 feature space 里面很相近，不同类就是在 fea...

1. 整体框架初始n*d的点云，首先经过输入特征提取块(3卷积层，每层64个1*1滤波器)，输出n*din大小的特征Fin；通过x、y、z三个方向的切片池化层将无序点云转换为有序序列；采用双向RNN处理序列，更新特征；采用切片上池化层映射回每个点；最后经过输出特征提取块(3个1*1卷积层，输出维度为512，256，K)，处理Fsu(切片上池化层的输出)，输出每个点的预测2.局部依赖模块...

1. 背景引入自组织映射  蓝色斑点是训练数据的分布，而小白色斑点是从该分布中抽取得到的当前训练数据。首先（左图）SOM节点被任意地定位在数据空间中。我们选择最接近训练数据的节点作为获胜节点（用黄色突出显示）。它被移向训练数据，包括（在较小的范围内）其网格上的相邻节点。经过多次迭代后，网格趋于接近数据分布（右图）。如下图所示，图a为初始的SOM节点，图b是SOM训练...

前言：SLAM的系列实验基本就更新那么多，之后开始进入点云深度学习的方向，不出意外，这个系列会持续很久点云深度学习最近一两年逐渐火热，这个系列从CVPR2017的PointNet开始，主要总结顶会的相关文章，不会全文翻译，只总结自己觉得重要的点。感兴趣的同学，可以去阅读原文。毕竟经要去西天取，文章要去源头品。PointNet（PointNet: Deep Learning on Poi...