论文笔记：（ICCV2019）KPConv: Flexible and Deformable Convolution for Point Clouds
目录 摘要 一、引言 二、相关工作 投影网络 图卷积网络 逐点多层感知器网络 点卷积网络 三、核点卷积 3.1由点定义的核函数 3.2刚性的或可变形的核 3.3核点网络层 3. ......![]()
ICCV2019《KPConv: Flexible and Deformable Convolution for Point Clouds》
针对semantic3D数据集： 1.数据集准备： Semantic3D dataset can be found <a href="http://www.semantic3d.net/view_dbase.php?chl=2">here</a>. Download and un ......KPConv针对Modelnet40的分类
1. 训练样本airplane_0001.txt的可视化： 飞机尺度： 物体类别与对应标签： 2. 对训练样本进行降采样： 体素法降采样，降采样的网络大小设置为0.02m.在pycharm下 ......![]()
CVPR2020：点云弱监督三维语义分割的多路径区域挖掘
CVPR2020：点云弱监督三维语义分割的多路径区域挖掘 Multi-Path Region Mining for Weakly Supervised 3D Semantic Segmentation on Point Clouds 论文地址： http ......![]()
CVPR2020：4D点云语义分割网络（SpSequenceNet）
CVPR2020：4D点云语义分割网络（SpSequenceNet） SpSequenceNet: Semantic Segmentation Network on 4D Point Clouds 论文地址： https://openaccess.thecvf.com/con ......![]()
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国防科大综述：3D点云深度学习——综述（3D点云分割部分）
目录 摘要 1、引言： 2、背景 2.1 数据集 2.2评价指标 3、3D点云分割 3.1 3D语义分割 3.1.1 基于投影的方法 多视图表示 球形表示 3.1.2 基于离散的方法 稠密离散表示 ......![]()
↓ 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