靓仔的博客

归一化的作用：数据归一化后，最优解的寻优过程明显会变得平缓，更容易正确的收敛到最优解点云的归一化：参考自pointnet的源码，增加了注释：def pc_normalize(pc): """ 对点云数据进行归一化 :param pc: 需要归一化的点云数据 :return: 归一化后的点云数据 """ # 求质心，也就是一个平移量，实际上就是求均值 centroid = np.mean(pc, axis=0) pc = pc - cen

神经网络样本增加噪声的原因：数据集只能代表真实数据分布的局部情况，除非数据集无限大（连续分布）或者包含所有可能的数据（离散分布），否则网络不能完全学习到数据的真实分布，所以不能完全覆盖到真实的所有数据分布，即过拟合到局部优化点。此时，数据扩增成为增加数据集的多样性的一个方法，也就能扩大网络拟合数据真实分布的能力，尽可能减小经验风险，增加泛化性能，从而在未见过的测试集上表现更好。而数据扩增的一个简单方式就是对已有的数据进行扰动加噪。添加高斯噪声：主要利用了numpy库np.random.normal(