【机器学习】PointNet & PointNet++（理论部分）

参考

《PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation》
《PointNet++: Deep Hierarchical Feature Learning on Point Sets in a Metric Space》

点云特性与PointNet

点云几个两个很重要的特性。
（1）无序性。点云中的点在打乱它们的索引之后，依然能表达空间结构。
（2）旋转不变形。点云整体经过旋转之后，类别没有改变。

对于（1）
所设计的ML模型必须是一个对称函数，因为对称函数的结果与输入的参数的顺序无关。比如sum、max函数。可以类比二维卷积神经网络中的max pooling操作。实际上论文中的max pooling操作在代码里用的就是max函数。

以上这种直接对坐标进行max的操作会使大量的点丢失（可能会导致特征丢失），所以要先使用多层感知器（MLP）将每个点映射到更高的维度（此时信息会冗余）

对于（2）
论文中使用了T-Net去学习物体的旋转，相当需要学习一个3x3的矩阵<