Загрузка Relation Shape CNN - Загрузка исходного кода Relation Shape CNN

Relation Shape CNN

AI Исходный код

1.0.0

Скачать

Сверточная нейронная сеть формы отношения для анализа облака точек

Этот репозиторий содержит авторскую реализацию статьи в Pytorch:

Сверточная нейронная сеть формы отношений для анализа облака точек [arXiv] [CVF]
Юнчэн Лю, Бинь Фан, Шимин Сян и Чунхун Пан
CVPR 2019 — финалист устной и лучшей статьи. Страница проекта : https://yochengliu.github.io/Relation-Shape-CNN/

Цитирование

Если наша статья полезна для вашего исследования, пожалуйста, рассмотрите возможность цитирования:

        @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 }   
        }

Использование: Подготовка

Требование

Убунту 14.04
Python 3 (рекомендуем Anaconda3)
Пайторч 0.3.*/0.4.*
CMake > 2.8
CUDA 8.0 + cuDNN 5.1

Сборка ядра

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

сборка mkdir && сборка компакт-диска
cmake .. && сделать

Набор данных

Классификация форм

Загрузите и разархивируйте ModelNet40 (415M). Замените $data_root$ в cfgs/config_*_cls.yaml родительским путем набора данных.

Сегментация деталей ShapeNet

Загрузите и разархивируйте часть ShapeNet (674M). Замените $data_root$ в cfgs/config_*_partseg.yaml на путь к набору данных.

Использование: Обучение

Классификация форм

 sh train_cls.sh

Вы можете изменить relation_prior в cfgs/config_*_cls.yaml . Мы обучили модель классификации одномасштабного окружения в папке cls , точность которой составляет 92,38%.

Сегментация частей формы

 sh train_partseg.sh

Мы обучили модель сегментации частей Multi-Scale-Neighborhood в папке seg , класс mIoU и экземпляр mIoU которой составляют 84,18% и 85,81% соответственно.

Использование: Оценка

Классификация форм

 Voting script: voting_evaluate_cls.py

Вы можете использовать нашу модель cls/model_cls_ssn_iter_16218_acc_0.923825.pth в качестве контрольной точки в config_ssn_cls.yaml , и после этого голосования вы получите точность 92,71%, если все пойдет правильно.

Сегментация частей формы

 Voting script: voting_evaluate_partseg.py

Вы можете использовать нашу модель seg/model_seg_msn_iter_57585_ins_0.858054_cls_0.841787.pth в качестве контрольной точки в config_msn_partseg.yaml .