Pointnet源码阅读学习---models

最新推荐文章于 2024-11-16 11:58:58 发布

原创

最新推荐文章于 2024-11-16 11:58:58 发布 · 629 阅读

0 ·

CC 4.0 BY-SA版权

本文档详细解读了PointNet模型的源码，包括pointnet_cls.py、pointnet_cls_basic.py、pointnet_seg.py和transform_nets.py。重点介绍了T-net在输入变换和特征提取中的作用，并提供了作者的理解和代码注释。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

model文件夹内包含pointnet_cls.py、pointnet_cls_basic.py、pointnet_seg.py、transform_nets.py四个文件，其中，pointnet_cls.py、pointnet_cls_basic.py没啥区别，pointnet_seg.py中函数参数与pointnet_cls.py有些许区别，transform_nets.py是T-net，完成输入接受与特征提取。结构图如图：
在这里插入图片描述
自己的理解与代码注释（相似很多，放一个pointnet_cls.py）

import tensorflow as tf
import numpy as np
import math
import sys
import os
BASE_DIR = os.path.dirname(os.path.abspath(__file__))
sys.path.append(BASE_DIR)
sys.path.append(os.path.join(BASE_DIR, '../utils'))
import tf_util
from transform_nets import input_transform_net, feature_transform_net

def placeholder_inputs(batch_size, num_point):
    pointclouds_pl = tf.placeholder(tf.float32, shape=(batch_size, num_point, 3))
    labels_pl = tf.placeholder(tf.int32, shape=(batch_size))
    return pointclouds_pl, labels_pl
#根据shape向pointclouds_pl, labels_pl中添加float32和int32的占位符

def get_model(point_cloud, is_training, bn_decay=None):
    """ Classification PointNet, input is BxNx3, output Bx40 """
    batch_size = point_cloud.get_shape()[0].value
    num_point = point_cloud.get_shape()[1].value
    end_points = {
   
   }

    with tf.variable_scope('transform_net1'