Pointnet源码阅读学习---part_seg/

最新推荐文章于 2024-09-01 21:58:44 发布
原创 最新推荐文章于 2024-09-01 21:58:44 发布 · 1.3k 阅读 · 1 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文深入探讨了点云部分分割技术，重点介绍了part_seg模块，包括pointnet_part_seg.py、test.py、train.py等核心文件。这些组件共同实现对点云数据的精确分割，为三维场景理解和目标识别提供了关键技术支持。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

part_seg负责点云的部分分割， 包含pointnet_part_seg.py、test.py、train.py
结构图如下：
在这里插入图片描述

pointnet源码阅读:model
zhaoguanhua的博客
12-23 566
一、编码器 二、解码器
PointNet++源码详解
qq_52053775的博客
01-04 2258
分类任务的整体流程为,首先类似于卷积，堆叠多层PointNet++进行局部特征提取，需要注意的是，在最后一层pointnet++中，只分为一组，以获得全局特征，输出层由全连接层，最后使用softmax进行归一化。根据中心点按照多个半径得到子集簇,多个半径是实现多尺度特征融合的方式之一,另外,不同的半径选取的簇中，的点的个数也不同,例如半径为0.1,k=16,半径为0.2,k=32。然后进行上采样，对于第一次上采样，此时只有一个点，直接进行复制，其他的按照距离的远近生成权重参数，进行插值。
PointNet系列代码复现详解(2)—PointNet_part_seg
weixin_45699456的博客
03-15 2850
这次是PointNet的分割代码，与分类代码一样的部分就不在体积。
Pointnet（part_seg）train.py,test.py代码随记
cuiy24的博客
06-30 1130
train.py hdf5_data_dir = 数据集路径 #读取数据集的路径 创建os.mkdir(train_result) #创建train_result文件夹 color_map_file = part_color_mapping.json #读取颜色json文件路径，一共50类 color_map = json.load() #读取.json文件内容 读取overallid
对于PointNet的源码阅读
马小飞的博客
07-03 2712
PointNet 是发表在CVPR2016的一种直接面向点云的深度学习框架。可用于对点云进行物体识别/分割。 PointNet在多种测试集中表现出良好效果。已经被momenta.ai等自动驾驶公司用于激光雷达点云处理，可见其算法确有实际价值。 PointNet的源代码基于Tensorflow，源码目录中的sem_seg对于语义识别代码 ；而part_seg文件夹内对应分割代码。 详情可参见h...
PointNet++ 源码有批注
08-01
总的来说，这个批注版的PointNet++源码提供了深入学习3D点云处理的宝贵资源，对于希望在这一领域进行研究或开发的开发者来说，这是一个不可多得的学习工具。通过详细阅读和理解代码，你将能够更好地掌握3D深度学习的...
PointNet系列代码复现详解(3)—PointNet_sem_seg
weixin_45699456的博客
03-16 1296
在pointnet_utils.py中PointNetEncoder里，最后会进行判断，如果使用全局特征，即对整个点云进行处理得到一个全局特征表示。否则不使用全局特征，只对每个点进行处理得到局部特征，并且将这些局部特征聚合起来得到整个点云的特征表示。上面就是PointNet分割的代码，在前向传播函数中，首先是进行了特征提取，与分类代码特征提取不一样的是，和上述张量进行拼接，并返回拼接后的结果、特征变换矩阵和特征变换后的结果。时，我们需要保证变换前后张量的元素总数是相同的，否则会抛出异常。
PointNet++ partseg训练结果使用matplotlib可视化过程（自制数据集，没有创新，纯跑通而已）
m0_67690830的博客
09-01 740
源码的训练结果是一个文件夹：log——sem_seg——pointnet2_part_seg_msg——checkpoints、logs、pointnet2_utils.py、pointnet2_part_seg_msg.py。由于我使用的是自制数据集，因此修改了这个博主针对Shapenet的代码，也只是改了文件名、类别数、根目录之类的。首先仿照对train_partseg.py的修改来修改test_partseg.py。生成了一个eval.txt，由于训练精度过低（猜测），里面也没有什么具体内容。
这是pointnet++官方源码中part_seg_msg.py的代码，我是一个刚学习pointnet++的人，什么都不懂，请你给提供的代码的每一行都做出详细的注释，让我能学习
最新发布
06-13
我们被要求为PointNet++的part_seg_msg.py文件提供逐行详细注释。由于我们无法直接访问文件，但根据引用[1]和引用[2]提供的信息，我们可以推断该文件是用于部件分割（partsegmentation）的PointNet++模型，并且采用...
这是pointnet++的官方源码中的test_partseg.py的代码，在命令行中输入python test_partseg.py --normal --log_dir pointnet2_part_seg_msg后尝试运行，报错Namespace(batch_size=24, gpu='0', num_point=2048, log_dir='pointnet2_part_seg_msg', normal=True, num_votes=3) The number of test data is: 2874 Traceback (most recent call last): File "E:\Pointnet_Pointnet2_pytorch-master\test_partseg.py", line 167, in <module> main(args) File "E:\Pointnet_Pointnet2_pytorch-master\test_partseg.py", line 83, in main checkpoint = torch.load(str(experiment_dir) + '/checkpoints/best_model.pth') File "E:\anaconda\envs\pointnet2\lib\site-packages\torch\serialization.py", line 1529, in load raise pickle.UnpicklingError(_get_wo_message(str(e))) from None _pickle.UnpicklingError: Weights only load failed. This file can still be loaded, to do so you have two options, do those steps only if you trust the source of the checkpoint. (1) In PyTorch 2.6, we changed the default value of the `weights_only` argument in `torch.load` from `False` to `True`. Re-running `torch.load` with `weights_only` set to `False` will likely succeed, but it can result in arbitrary code execution. Do it only if you got the file from a trusted source. (2) Alternatively, to load with `weights_only=True` please check the recommended steps in the following error message. WeightsUnpickler error: Unsupported global: GLOBAL numpy.core.multiarray.scalar was not an allowed global by default. Please use `torch.serialization.add_safe_globals([numpy.core.multiarray.scalar])` or the `torch.serialization.safe_globals([numpy.core.multiarray.scalar])` context manager to allowlist this global if you trust this class/function. Check the documentation of torch.load to learn more about types accepted by default with weights_only https://pytorch.org/docs/stable/generated/torch.load.html. 请你根据提供的代码解决这个报错
06-06
例如，原代码可能是：checkpoint=torch.load('pointnet2_weights.pth')model.load_state_dict(checkpoint['model_state_dict'])修改为（方法一）：checkpoint=torch.load('pointnet2_weights.pth',weights_only=...
PointNet源码解读
AI训练师中的点滴
10-04 996
pointnet
Pointnet模型源码解读（更新中）
peanutboom的博客
12-17 1162
我看的是这位大佬的代码： GitHub - yanx27/Pointnet_Pointnet2_pytorch: PointNet and PointNet++ implemented by pytorch (pure python) and on ModelNet, ShapeNet and S3DIS. T-Net网络解析 class STN3d(nn.Module): def __init__(self, channel): super(STN3d, self)..
PointNet/PointNet++ 开源代码内容（集百家所长）
杨家乐的博客
06-24 1047
感谢链接中各位作者，如侵删。 一：PointNet论文复现及代码详解-知乎https://zhuanlan.zhihu.com/p/86331508 Pytorch代码：https://github.com/fxia22/pointnet.pytorch 二：从PointNet到PointNet++理论及pytorch代码-优快云https://blog.youkuaiyun.com/weixin_39373480/article/details/88878629 Pytorch代码：https://gith
PointNet++ 源码解读
qq_42813620的博客
05-30 1107
先找到存放训练和测试数据的目录，接下来加载相关的数据参数：下面是执行的结果： 接下来为训练样本开始做准备： 给不同标签做上标记： 定位每个样本文件： optimizer.zero_grad()//将梯度清零，如果不加此话，梯度就会一直不断的累加。接下来将点云转为Numpy的形式，并进行随机点剔除、缩放和平移以上的内容对于防止过拟合很有帮助，提升模型的泛化能力接下来就是将numpy转为tensor的数据形式，并将维度中 第2维和第3维进行转置，再放入cuda。数据发生的变化：16*1024*3---》16*3
Pointnet（part_seg）部件分割网络代码解析：test.py（三）
HHy的博客
05-25 1774
论文地址：PointNet网络 代码地址：https://github.com/charlesq34/pointnet windows10环境配置可参考这篇文章：windows下运行pointnet（全） 网络图示： 一、训练模型 1）下载测试集 数据下载：PartAnnotation（注意该链接中对应的数据集有两部分，因此下载时两部分务必都要下载） 存放位置：…/part_seg/PartAnnotation。 HDF5文件解压放在pointnet-master/part_seg/hdf5_data。
开源框架PointNet 代码详解——/pointnet/provider.py
shaozhenghan的博客
07-17 6884
provider.py 这个源文件主要用于数据集相关的操作，如数据集增强，数据集加载等。下面依次介绍。 import os import sys import numpy as np import h5py BASE_DIR = os.path.dirname(os.path.abspath(__file__)) sys.path.append(BASE_DIR) 导入相关库，添加路径。注意...
PointNet（part_seg）零件分割原理数据集及代码解释
cuiy24的博客
06-30 9848
之前博客就在说要连着做pointnet的三个部分的代码解析，但中间修复电脑以及Pointnet++学习导致博客更新鸽了下来，现在真有种感觉，写博客比看代码要难得多，想要写出一篇让自己满意的博客太难了，可能是自己逻辑不够的清晰，当自己返回去再看自己曾经写的博客，就感觉很水，这可能也是证明了自己在那个方面还没有真正吃透吧，希望从这篇博客开始加以修正！
3D点云深度学习PointNet源码解析——transform_nets.py （T-net）
夜晓岚的博客
10-24 4134
参考：https://blog.youkuaiyun.com/u014636245/article/details/82763269 transform_nets.py是T-net，完成输入接受与特征提取 T-NetT−Net是一个微型网络，用于生成一个仿射变换矩阵来对点云的旋转、平移等变化进行规范化处理。这个变换/对齐网络是一个微型的PointNet，它输入原始点云数据，输出为一个3∗3 的旋转矩阵 ...
PointNet&PointNet++源码pointnet_util.py理解
xiaobaizaza_Ry的博客
04-24 2065
PointNet&PointNet++源码pointnet_util.py理解 源码：https://github.com/yanx27/Pointnet_Pointnet2_pytorch 文件:pointnet_util.py import torch import torch.nn as nn import torch.nn.functional as F from time imp...
Training cd ./s3dis For training on area 5: python s3dis_seg.py --rootdir path_to_data_processed/ --area 5 --savedir path_to_save_directory
03-31
- `sem_seg/models/pointnet++.py`: 定义 PointNet++ 的网络架构部分。 - `sem_seg/utils/provider.py`: 提供辅助函数比如加载批次数据等功能模块。 - `experiments/s3dis_area5/checkpoints/model_best.pth.tar`: ...
评论 4
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值