Relation Shape CNN

Red neuronal convolucional en forma de relación para análisis de nubes de puntos

Este repositorio contiene la implementación del autor en Pytorch para el artículo:

Red neuronal convolucional de forma relacional para análisis de nubes de puntos [arXiv] [CVF]
Yongcheng Liu, Bin Fan, Shiming Xiang y Chunhong Pan
Página del proyecto finalista del mejor artículo y oral de CVPR 2019 : https://yochengliu.github.io/Relation-Shape-CNN/

Citación

Si nuestro artículo es útil para su investigación, considere citar:

        @inproceedings { liu2019rscnn ,   
            author = { Yongcheng Liu and    
                            Bin Fan and    
                      Shiming Xiang and   
                           Chunhong Pan } ,   
            title = { Relation-Shape Convolutional Neural Network for Point Cloud Analysis } ,   
            booktitle = { IEEE Conference on Computer Vision and Pattern Recognition (CVPR) } ,    
            pages = { 8895--8904 } ,  
            year = { 2019 }   
        }   

Uso: Preparación

Requisito

• ubuntu 14.04
• Python 3 (recomendar Anaconda3)
• Pytorch 0.3.*/0.4.*
• CMake > 2.8
• CUDA 8.0 + cuDNN 5.1

Núcleo de construcción

 git clone https://github.com/Yochengliu/Relation-Shape-CNN.git 
cd Relation-Shape-CNN

• compilación mkdir && compilación de cd
• cmake .. && hacer

Conjunto de datos

Clasificación de formas

Descargue y descomprima ModelNet40 (415M). Reemplace $data_root$ en cfgs/config_*_cls.yaml con la ruta principal del conjunto de datos.

Segmentación de piezas ShapeNet

Descargue y descomprima ShapeNet Part (674M). Reemplace $data_root$ en cfgs/config_*_partseg.yaml con la ruta del conjunto de datos.

Uso: Entrenamiento

Clasificación de formas

 sh train_cls.sh

Puede modificar relation_prior en cfgs/config_*_cls.yaml . Hemos entrenado un modelo de clasificación de vecindario de escala única en la carpeta cls , cuya precisión es del 92,38%.

Segmentación de piezas de forma

 sh train_partseg.sh

Hemos entrenado un modelo de segmentación de partes de vecindarios múltiples en la carpeta seg , cuya clase mIoU e instancia mIoU es 84,18% y 85,81% respectivamente.

Uso: Evaluación

Clasificación de formas

 Voting script: voting_evaluate_cls.py

Puede utilizar nuestro modelo cls/model_cls_ssn_iter_16218_acc_0.923825.pth como punto de control en config_ssn_cls.yaml y, después de esta votación, obtendrá una precisión del 92,71 % si todo va bien.

Segmentación de piezas de forma

 Voting script: voting_evaluate_partseg.py

Puede utilizar nuestro modelo seg/model_seg_msn_iter_57585_ins_0.858054_cls_0.841787.pth como punto de control en config_msn_partseg.yaml .

Licencia

El código se publica bajo licencia MIT (consulte el archivo LICENCIA para obtener más detalles).

Reconocimiento

El código está tomado en gran medida de Pointnet2_PyTorch.

Contacto

Si tiene algunas ideas o preguntas sobre nuestra investigación para compartir con nosotros, comuníquese con [email protected]