你将收获

掌握PointNet++的原理、程序代码和实现细节

获得三维点云数据集的下载

学习三维点云可视化软件和使用方法

学习使用PyCharm进行Debug调试和单步跟踪

适用人群

对三维点云处理感兴趣的学员和从业者

课程介绍

三维点云是物理世界的三维数据表达形式,其应用日益广泛,如自动驾驶、AR/VR、FaceID等。PointNet网络模型是直接对三维点云数据进行深度学习的开山之作,PointNet++是对PointNet的改进技术。PointNet++是点云处理深度学习里程碑式的工作,启发了很多后续研究。

原作的PointNet++代码使用Python2.7和tensorflow1.4。本课程将PointNet++代码更新至Python3并在tensorflow1.13上演示。

 

本课程对TensorFlow版的PointNet++进行原理讲解、论文复现和代码详解。包括:  

(1)提供三维点云数据集ModelNet40、ShapeNet和Scannet的下载、可视化软件和方法;

(2)在Ubuntu系统上演示使用PointNet++进行三维点云的物体分类、部件分割和场景语义分割的训练和测试;

(3)详解PointNet++的原理、程序代码和实现细节,并使用PyCharm进行Debug调试代码和单步跟踪。

课程目录

学员评价

5.0
  • 0%
  • 0%
  • 0%
  • 0%
  • 0%

正在加载中...

同学笔记

  • weixin_42755270 2020-09-04 18:18:34

    来源:PointNet++点云处理原理 查看详情

    pointnet:忽视局部上下文信息,即一个点和它周围点的关系。全局特征的学习要么是对一个点操作(单个点输入到一个MLP),要么是对所有点操作(最终max pooling)。

没有更多了

优惠券
立即
领取

满60减5

类型:满60减5

日期:自领取之后 90 天内有效

扫码帮你选课·只学有用的

进群领大额优惠券啦!帮你省钱选对的课