หน้าแรก>การเขียนโปรแกรมที่เกี่ยวข้อง>โค้ดแหล่งที่มา AI
ดาวน์โหลด

โครงข่ายประสาทเทียมแบบ Convolutional Neural Network สำหรับการวิเคราะห์พอยต์คลาวด์

พื้นที่เก็บข้อมูลนี้มีการใช้งานของผู้เขียนใน Pytorch สำหรับบทความนี้:

โครงข่ายประสาทเทียมแบบ Convolutional Neural Network สำหรับการวิเคราะห์พอยต์คลาวด์ [arXiv] [CVF]
หลิวหยงเฉิง, ปิน ฟาน, ชิหมิงเซียง และชุนหงปาน
CVPR 2019 Oral & Best paper เข้ารอบสุดท้าย หน้าโครงการ : https://yochengliu.github.io/Relation-Shape-CNN/

การอ้างอิง

หากรายงานของเรามีประโยชน์สำหรับการวิจัยของคุณ โปรดพิจารณาการอ้างอิง: 

        @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 }   
        }

การใช้งาน: การเตรียมการ

ความต้องการ

  • อูบุนตู 14.04
  • Python 3 (แนะนำ Anaconda3)
  • ไพทอร์ช 0.3.*/0.4.*
  • CMake > 2.8
  • CUDA 8.0 + cuDNN 5.1

การสร้างเคอร์เนล 

 git clone https://github.com/Yochengliu/Relation-Shape-CNN.git 
cd Relation-Shape-CNN
  • mkdir build && cd build
  • cmake .. && ทำ

ชุดข้อมูล

การจำแนกรูปร่าง

ดาวน์โหลดและแตกไฟล์ ModelNet40 (415M) แทนที่ $data_root$ ใน cfgs/config_*_cls.yaml ด้วยเส้นทางพาเรนต์ของชุดข้อมูล

การแบ่งส่วน ShapeNet

ดาวน์โหลดและแตกไฟล์ ShapeNet Part (674M) แทนที่ $data_root$ ใน cfgs/config_*_partseg.yaml ด้วยเส้นทางชุดข้อมูล

การใช้งาน: การฝึกอบรม

การจำแนกรูปร่าง 

 sh train_cls.sh

คุณสามารถแก้ไข relation_prior ได้ใน cfgs/config_*_cls.yaml เราได้ฝึกอบรมโมเดลการจัดหมวดหมู่ Single-Scale-Neighborhood ในโฟลเดอร์ cls ซึ่งมีความแม่นยำ 92.38%

การแบ่งส่วนรูปร่าง 

 sh train_partseg.sh

เราได้ฝึกอบรมโมเดลการแบ่งส่วนชิ้นส่วนแบบหลายขนาดในพื้นที่ใกล้เคียงในโฟลเดอร์ seg ซึ่งมีคลาส mIoU และอินสแตนซ์ mIoU อยู่ที่ 84.18% และ 85.81% ตามลำดับ

การใช้งาน: การประเมินผล

การจำแนกรูปร่าง 

 Voting script: voting_evaluate_cls.py

คุณสามารถใช้โมเดล cls/model_cls_ssn_iter_16218_acc_0.923825.pth ของเราเป็นจุดตรวจสอบใน config_ssn_cls.yaml และหลังจากการโหวตครั้งนี้ คุณจะได้รับความแม่นยำ 92.71% หากทุกอย่างถูกต้อง

การแบ่งส่วนรูปร่าง 

 Voting script: voting_evaluate_partseg.py

คุณสามารถใช้โมเดลของเรา seg/model_seg_msn_iter_57585_ins_0.858054_cls_0.841787.pth เป็นจุดตรวจสอบใน config_msn_partseg.yaml

ใบอนุญาต

รหัสนี้เผยแพร่ภายใต้ใบอนุญาต MIT (ดูรายละเอียดในไฟล์ใบอนุญาต)

รับทราบ

รหัสนี้ยืมมาจาก Pointnet2_PyTorch อย่างหนัก

ติดต่อ

หากคุณมีแนวคิดหรือคำถามเกี่ยวกับการวิจัยของเราที่จะแบ่งปันกับเรา โปรดติดต่อ [email protected]

ขยาย
ข้อมูลเพิ่มเติม
แอปที่เกี่ยวข้อง
แนะนำสำหรับคุณ
ข้อมูลที่เกี่ยวข้อง ทั้งหมด