Relation Shape CNN

Jaringan Neural Konvolusional Bentuk Relasi untuk Analisis Point Cloud

Repositori ini berisi implementasi penulis di Pytorch untuk makalah:

Jaringan Neural Konvolusional Bentuk Relasi untuk Analisis Point Cloud [arXiv] [CVF]
Yongcheng Liu, Bin Fan, Shiming Xiang dan Chunhong Pan
Halaman Proyek Finalis Lisan & Makalah Terbaik CVPR 2019 : https://yochengliu.github.io/Relation-Shape-CNN/

Kutipan

Jika makalah kami bermanfaat untuk penelitian Anda, mohon pertimbangkan untuk mengutip:

        @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 }   
        }   

Penggunaan: Persiapan

Persyaratan

• Ubuntu 14.04
• Python 3 (merekomendasikan Anaconda3)
• Pytorch 0.3.*/0.4.*
• Pembuatan C > 2.8
• CUDA 8.0 + cuDNN 5.1

Membangun Kernel

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

• mkdir membangun && cd membangun
• cmake .. && buat

Kumpulan data

Klasifikasi Bentuk

Unduh dan unzip ModelNet40 (415M). Ganti $data_root$ di cfgs/config_*_cls.yaml dengan jalur induk kumpulan data.

Segmentasi Bagian ShapeNet

Unduh dan unzip ShapeNet Part (674M). Ganti $data_root$ di cfgs/config_*_partseg.yaml dengan jalur kumpulan data.

Penggunaan: Pelatihan

Klasifikasi Bentuk

 sh train_cls.sh

Anda dapat mengubah relation_prior di cfgs/config_*_cls.yaml . Kami telah melatih model klasifikasi Lingkungan Skala Tunggal di folder cls , yang akurasinya 92,38%.

Segmentasi Bagian Bentuk

 sh train_partseg.sh

Kami telah melatih model segmentasi bagian Multi-Scale-Neighborhood di folder seg , yang kelas mIoU dan instance mIoU masing-masing adalah 84,18% dan 85,81%.

Penggunaan: Evaluasi

Klasifikasi Bentuk

 Voting script: voting_evaluate_cls.py

Anda dapat menggunakan model kami cls/model_cls_ssn_iter_16218_acc_0.923825.pth sebagai pos pemeriksaan di config_ssn_cls.yaml , dan setelah pemungutan suara ini Anda akan mendapatkan akurasi 92,71% jika semuanya berjalan dengan baik.

Segmentasi Bagian Bentuk

 Voting script: voting_evaluate_partseg.py

Anda dapat menggunakan model kami seg/model_seg_msn_iter_57585_ins_0.858054_cls_0.841787.pth sebagai pos pemeriksaan di config_msn_partseg.yaml .

Lisensi

Kode ini dirilis di bawah Lisensi MIT (lihat file LISENSI untuk rinciannya).

Pengakuan

Kode ini banyak dipinjam dari Pointnet2_PyTorch.

Kontak

Jika Anda memiliki ide atau pertanyaan tentang penelitian kami untuk dibagikan kepada kami, silakan hubungi [email protected]