Téléchargement du code source Relation Shape CNN

Relation Shape CNN

Code Source AI

1.0.0

Télécharger

Réseau neuronal convolutif en forme de relation pour l'analyse des nuages de points

Ce référentiel contient l'implémentation de l'auteur dans Pytorch pour l'article :

Réseau neuronal convolutif en forme de relation pour l'analyse des nuages de points [arXiv] [CVF]
Yongcheng Liu, Bin Fan, Shiming Xiang et Chunhong Pan
Page du projet finaliste du CVPR 2019 Oral & Best paper : https://yochengliu.github.io/Relation-Shape-CNN/

Citation

Si notre article est utile pour votre recherche, pensez à citer :

        @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 }   
        }

Utilisation : Préparation

Exigence

Ubuntu 14.04
Python 3 (recommande Anaconda3)
Pytorche 0.3.*/0.4.*
CMake > 2.8
CUDA 8.0 + cuDNN 5.1

Construire le noyau

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

mkdir construire && cd construire
cmfaire .. && faire

Ensemble de données

Classification des formes

Téléchargez et décompressez ModelNet40 (415M). Remplacez $data_root$ dans cfgs/config_*_cls.yaml par le chemin parent de l'ensemble de données.

Segmentation des pièces ShapeNet

Téléchargez et décompressez la pièce ShapeNet (674M). Remplacez $data_root$ dans cfgs/config_*_partseg.yaml par le chemin de l'ensemble de données.

Utilisation : Formation

Classification des formes

 sh train_cls.sh

Vous pouvez modifier relation_prior dans cfgs/config_*_cls.yaml . Nous avons formé un modèle de classification de quartier à échelle unique dans le dossier cls , dont la précision est de 92,38 %.

Segmentation des pièces de forme

 sh train_partseg.sh

Nous avons formé un modèle de segmentation de parties à plusieurs échelles dans un dossier seg , dont la classe mIoU et l'instance mIoU sont respectivement de 84,18 % et 85,81 %.

Utilisation : Évaluation

Classification des formes

 Voting script: voting_evaluate_cls.py

Vous pouvez utiliser notre modèle cls/model_cls_ssn_iter_16218_acc_0.923825.pth comme point de contrôle dans config_ssn_cls.yaml , et après ce vote, vous obtiendrez une précision de 92,71 % si tout se passe bien.

Segmentation des pièces de forme

 Voting script: voting_evaluate_partseg.py

Vous pouvez utiliser notre modèle seg/model_seg_msn_iter_57585_ins_0.858054_cls_0.841787.pth comme point de contrôle dans config_msn_partseg.yaml .