PointNet++的核心思想是通过分层的点集特征学习来捕捉点云数据的局部和全局信息。MSG策略就是在这一思想指导下提出的。MSG通过对不同尺度下的点集进行分组,并对每个分组内的点进行特征提取,然后将不同尺度的特征进行融合,从而得到更加丰富的点云特征表示。 二、MSG实现方法 MSG的实现可以分为以下几个步骤: 点集分组:...
具体而言,PointNet++ MSG首先使用k-means算法将输入的点云数据聚类成k个不同的簇,每个簇代表一个尺度组。然后,在每个尺度组内,PointNet++ MSG会利用PointNet网络进行特征提取,得到每个点的局部特征。接下来,PointNet++ MSG通过一系列的上采样和特征拼接操作,将不同尺度组的特征进行融合,得到最终的点云特征表示。 在...
PointNet++ MSG msg的训练的巨慢,不过总算是复现出来了,之后搞一下MRG的,或者裸的 关于插值: 注意:最后一次set abstraction 层之后并没有对称函数,因此B * C2 * k的特征向量(其中k为特征向量维数),还保存的一些点的数量C2,因此不是简单的repeat,然后拼接,是先找k近邻 “PointNet”中是变成了1 * 1024(或者...
group)#B * n * k * Creturnnew_xyz, new_pointclassPointNetSetAbstractionMsg(nn.Module):#npoint采样点个数,radius_list半径列表,nsample_list每个半径所取的邻近点个数,in_channel输入通道数,mlp_list网络列表def__init__(self, npoint = None, radius_list = None, nsample_list = None, in_channe...