至此,便可使用PointNet++来训练自定义数据集了: 从结果来看,其并不平衡。 模型测试 模型测试所需要修改的参数基本与模型训练的类似,即修改类别数,数据集路径即可 问题 在模型训练过程中,发现该模型训练起来十分缓慢,从GPU利用率来看,其利用率很低,多数情况下其占用着显存,但其却并不参与运算,而内存却始终占用较高。
为了使用PointNet++训练自己的数据集,你需要遵循以下步骤: 1. 准备自己的数据集 确保你的数据集格式与PointNet++所需的格式一致。通常,点云数据以.npy或.h5文件格式存储,每个点云包含点的三维坐标(x, y, z)以及其他可能的特征(如RGB值、法向量等)。 2. 数据预处理 在将数据输入PointNet++之前,需要进行一些预...
本文针对PointNet++强大的三维点云分类功能,详细讲解怎么训练自己的数据集,在此之前,需要确保已经能够跑通源码的训练和测试,如果没有,请参考PointNet++的源码运行。 数据放置 1.1. 在mytensor_shape_names.txt中配置自己的分类,以及分类名称: 1.2. 在filelist.txt中填入对应的不同类别的文件夹名/数据文件名,这里的文...