Relation Shape CNN

用於點雲分析的關係型捲積神經網絡

該存儲庫包含作者在 Pytorch 中對該論文的實現：

用於點雲分析的關係形狀卷積神經網路[arXiv] [CVF]
劉永成、範斌、向世明、潘春紅
CVPR 2019 Oral & 最佳論文入圍專案頁面：https://yo Chengliu.github.io/Relation-Shape-CNN/

引文

如果我們的論文對您的研究有幫助，請考慮引用：

        @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：製備

要求

• 烏班圖14.04
• Python 3（推薦Anaconda3）
• 火炬 0.3.*/0.4.*
• CMake > 2.8
• CUDA 8.0 + cuDNN 5.1

建構核心

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

• mkdir 構建 && cd 構建
• cmake .. && 使

數據集

形狀分類

下載並解壓縮ModelNet40（415M）。將cfgs/config_*_cls.yaml中的$data_root$替換為資料集父路徑。

ShapeNet 零件分割

下載並解壓縮 ShapeNet 部分 (674M)。將cfgs/config_*_partseg.yaml中的$data_root$替換為資料集路徑。

用途：訓練

形狀分類

 sh train_cls.sh

您可以在cfgs/config_*_cls.yaml中修改relation_prior 。我們在cls資料夾中訓練了Single-Scale-Neighborhood分類模型，其準確率為92.38%。

形狀部分分割

 sh train_partseg.sh

我們在seg資料夾中訓練了一個Multi-Scale-Neighborhood零件分割模型，其類別mIoU和實例mIoU分別為84.18%和85.81%。

用途：評估

形狀分類

 Voting script: voting_evaluate_cls.py

您可以使用我們的模型cls/model_cls_ssn_iter_16218_acc_0.923825.pth作為config_ssn_cls.yaml中的檢查點，在這次投票之後，如果一切順利，您將獲得 92.71% 的準確率。

形狀部分分割

 Voting script: voting_evaluate_partseg.py

您可以使用我們的模型seg/model_seg_msn_iter_57585_ins_0.858054_cls_0.841787.pth作為config_msn_partseg.yaml中的檢查點。

執照

該代碼根據 MIT 許可證發布（有關詳細信息，請參閱許可證文件）。

致謝

程式碼大量借用自 Pointnet2_PyTorch。

接觸

如果您對我們的研究有任何想法或疑問想要與我們分享，請聯絡 yong [email protected]