论文笔记：（2019）LDGCNN : Linked Dynamic Graph CNN-Learning on PointCloud via Linking Hierarchical Features
目录 摘要 一、引言 A．基于视图的方法 B．基于体素的方法 C．基于几何的方法 二、材料 三、方法 A．问题陈述 B．图生成 C．图特征提取 D．变换不变函数 E．LDGCNN架构 F．冻 ......![]()
DGCNN
架构总览 模型的整体架构源于 WebQA 的参考论文 Dataset and Neural Recurrent Sequence Labeling Model for Open-Domain Factoid Question [2]。这篇论文有几个 ......![]()
论文笔记：（CVPR2019）PointWeb: Enhancing Local Neighborhood Features for Point Cloud Processing
目录 摘要 一、引言 二、相关工作 3D数据表示 点云深度学习 三、我们的方法 3.1 自适应特征调整(AFA)模块 3.1.1 影响函数fimp 3.1.2 关系函数frel 3.1.3 逐元素影响 ......![]()
全网最详细解读《GIN-HOW POWERFUL ARE GRAPH NEURAL NETWORKS》！！！
Abstract + Introduction GNNs 大都遵循一个递归邻居聚合的方法，经过 k 次迭代聚合，一个节点所表征的特征向量能够捕捉到距离其 k-hop 邻域的邻居节点的特征，然后 ......![]()
CVPR2020：点云分类的自动放大框架PointAugment
CVPR2020：点云分类的自动放大框架PointAugment PointAugment: An Auto-Augmentation Framework for Point Cloud Classification 论文地址： https://openaccess.t ......![]()
CVPR2020：点云分析中三维图形卷积网络中可变形核的学习
CVPR2020：点云分析中三维图形卷积网络中可变形核的学习 Convolution in the Cloud: Learning Deformable Kernels in 3D Graph Convolution Networks for Point C ......![]()
2020厦门大学综述翻译：3D点云深度学习（Remote Sensiong期刊）
目录 摘要 1、引言： 2、点云深度学习的挑战 3、基于结构化网格的学习 3.1 基于体素 3.2 基于多视图 3.3 高维晶格 4、直接在点云上进行的深度学习 4.1 PointNet 4.2 ......![]()
2020国防科大综述：3D点云深度学习—综述（点云形状识别部分）
目录 摘要 1、引言： 2、背景 2.1 数据集 2.2评价指标 3、3D形状分类 3.1基于多视图的方法 3.2基于体素的方法 3.3基于点的方法 3.3.1 点对多层感知机方法 3.3.2基于 ......![]()
论文笔记：（CVPR2019）Relation-Shape Convolutional Neural Network for Point Cloud Analysis
目录 摘要 一、引言 二、相关工作 基于视图和体素的方法 点云上的深度学习 相关性学习 三、形状意识表示学习 3.1关系-形状卷积 建模 经典CNN的局限性 变换：从关系中 ......![]()
↓ 按住下拉
V2AS = Way To Ask
V2AS 一个技术分享与创造的静土
手机扫一扫
移动阅读更方便
近15日热搜文章