Relation Shape CNN

点群解析のための関係形状畳み込みニューラル ネットワーク

このリポジトリには、論文のために著者が Pytorch で実装したものが含まれています。

点群解析のための関係形状畳み込みニューラル ネットワーク[arXiv] [CVF]
Yongcheng Liu、Bin Fan、Shiming Xiang、Chunhong Pan
CVPR 2019 Oral & Best Paper Finalistプロジェクトページ: https://yochengliu.github.io/Relation-Shape-CNN/

引用

私たちの論文があなたの研究に役立つ場合は、次の引用を検討してください。

        @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 }   
        }   

使用方法: 準備

要件

• Ubuntu 14.04
• Python 3 (Anaconda3 を推奨)
• ピトーチ 0.3.*/0.4.*
• CMake > 2.8
• CUDA 8.0 + cuDNN 5.1

カーネルの構築

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

• mkdir ビルド && cd ビルド
• cmake .. && メイク

データセット

形状の分類

ModelNet40 (415M) をダウンロードして解凍します。 cfgs/config_*_cls.yamlの$data_root$データセットの親パスに置き換えます。

ShapeNet パーツのセグメンテーション

ShapeNet パーツ (674M) をダウンロードして解凍します。 cfgs/config_*_partseg.yamlの$data_root$データセットのパスに置き換えます。

使用法: トレーニング

形状の分類

 sh train_cls.sh

cfgs/config_*_cls.yamlでrelation_prior変更できます。 clsフォルダーで単一スケール近傍分類モデルをトレーニングしました。その精度は 92.38% です。

形状パーツのセグメンテーション

 sh train_partseg.sh

マルチスケール近傍パーツ セグメンテーション モデルをsegフォルダーでトレーニングしました。そのクラス mIoU とインスタンス mIoU はそれぞれ 84.18% と 85.81% です。

用途: 評価

形状の分類

 Voting script: voting_evaluate_cls.py

モデルcls/model_cls_ssn_iter_16218_acc_0.923825.pth config_ssn_cls.yamlのチェックポイントとして使用できます。この投票の後、すべてが正しく行けば、精度は 92.71% になります。

形状パーツのセグメンテーション

 Voting script: voting_evaluate_partseg.py

モデルseg/model_seg_msn_iter_57585_ins_0.858054_cls_0.841787.pth config_msn_partseg.yamlのチェックポイントとして使用できます。

ライセンス

コードは MIT ライセンスに基づいてリリースされています (詳細については、LICENSE ファイルを参照してください)。

了承

コードは Pointnet2_PyTorch から大幅に借用しています。

接触

私たちの研究について共有したいアイデアや質問がある場合は、[email protected] までご連絡ください。