Relation Shape CNN

用于点云分析的关系型卷积神经网络

该存储库包含作者在 Pytorch 中对该论文的实现：

用于点云分析的关系形状卷积神经网络[arXiv] [CVF]
刘永成、范斌、向世明、潘春红
CVPR 2019 Oral & 最佳论文入围项目页面：https://yo Chengliu.github.io/Relation-Shape-CNN/

引文

如果我们的论文对您的研究有帮助，请考虑引用：

        @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 }   
        }   

用途：制备

要求

• 乌班图14.04
• Python 3（推荐Anaconda3）
• 火炬 0.3.*/0.4.*
• CMake > 2.8
• CUDA 8.0 + cuDNN 5.1

构建内核

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

• mkdir 构建 && cd 构建
• cmake .. && 使

数据集

形状分类

下载并解压ModelNet40（415M）。将cfgs/config_*_cls.yaml中的$data_root$替换为数据集父路径。

ShapeNet 零件分割

下载并解压 ShapeNet 部分 (674M)。将cfgs/config_*_partseg.yaml中的$data_root$替换为数据集路径。

用途：训练

形状分类

 sh train_cls.sh

您可以在cfgs/config_*_cls.yaml中修改relation_prior 。我们在cls文件夹中训练了Single-Scale-Neighborhood分类模型，其准确率为92.38%。

形状部分分割

 sh train_partseg.sh

我们在seg文件夹中训练了一个Multi-Scale-Neighborhood零件分割模型，其类mIoU和实例mIoU分别为84.18%和85.81%。

用途：评估

形状分类

 Voting script: voting_evaluate_cls.py

您可以使用我们的模型cls/model_cls_ssn_iter_16218_acc_0.923825.pth作为config_ssn_cls.yaml中的检查点，在这次投票之后，如果一切顺利，您将获得 92.71% 的准确率。

形状部分分割

 Voting script: voting_evaluate_partseg.py

您可以使用我们的模型seg/model_seg_msn_iter_57585_ins_0.858054_cls_0.841787.pth作为config_msn_partseg.yaml中的检查点。

执照

该代码根据 MIT 许可证发布（有关详细信息，请参阅许可证文件）。

致谢

该代码大量借用自 Pointnet2_PyTorch。

接触

如果您对我们的研究有任何想法或疑问想要与我们分享，请联系 yong [email protected]