于是就自己写了一个,基于ros-melodic + pytorch + ubuntu18.04+python3.8的版本 效果如下,实现了矿石,车辆,行人,树木等点云的分类。至于标注工具,可以参考我的另一篇文章也可以很快的实现——标注工具。 实现 数据集制作 网络实现 —— 这部分去github搜Pointnet pytorch即可 将sensor_msgs::PointCloud2的XYZL(聚...
先下载好github上pointnet文件,链接:pointnet.pytorch文件 进入文件夹: cd pointnet.pytorch 输入下面代码: pip install -e . 三、训练PointNet分类 我主要使用的功能是分类功能,所以只训练了分类,如果还需要分割功能只需要将下面运行的文件由train_classification.py替换为train_segmentation.py即可,其他步骤类似。 下面开...
pointnet++ github 官网:https://github.com/charlesq34/pointnet2 简介 这项工作是基于我们NIPS的17篇论文。你可以在这里找到arXiv版本的论文或检查项目网页的快速概述。 pointnet++是一个在PointNet基础上构建并扩展的后续项目。它是PointNet体系结构的2.0版本。 点网(v1模型)要么独立地转换单个点的特征,要么处理整...
PointNet.pytorch This repo is implementation for PointNet(https://arxiv.org/abs/1612.00593) in pytorch. The model is inpointnet/model.py. It is tested with pytorch-1.0. Download data and running git clone https://github.com/fxia22/pointnet.pytorch cd pointnet.pytorch pip install -e . ...
代码主要参考自github项目 论文地址：https://arxiv.org/abs/1612.00593 1 PointNet思路流程 1）输入为...
作者GitHub上的描述:Python 2.7, TensorFlow 1.0.1, CUDA 8.0 and cuDNN 5.1 on Ubuntu 14.04.此外还需要h5py模块。 linux中配置环境为:Anaconda3.4.0,Python2.7,Tensorflow1.4.0以及h5py(安装主要参考清华镜像网站+TensorFlow官网安装介绍),CUDA8.0(官网下载,需要事先查看自己的显卡版本是否支持CUDA8.0),cuDNN6.1(...
一、face_recognition模块介绍 face_recognition基于dlib实现,用深度学习训练数据,模型准确率高达99.38% github项目地址:https://github.com/ageitgey/face_recognition 二、face_recognition模块的使用和案例介绍 脸部位置检测 脸部关键点检测 脸部识别 网络摄像头中采集到的人脸进行高斯模糊处理 ...
项目链接:https://github.com/rusty1s/pytorch_geometric PyTorch Geometric 主要是现有模型快速重新实现的集合(具有定制化的稀疏操作),如果你想尝试一下特定的已发布模型,它会是一个很不错的选择;如果想实现更为复杂的结构,其自定义稀疏/分散操作也非常方便。
全中文注释,易于理解. 所带模型权重非最终训练模型. 简单实现.非论文复现. 模型在代码方面参考了 :https://github.com/erikwijmans/Pointnet2_PyTorch 所实现模型为多尺度的目标分割模型. 适合想理解pointnet思想与结构.或在此基础上进行进一步研究的人.
参考自,PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation 代码仓库地址为:https://github.com/charlesq34/pointnet/ 介绍 这次介绍的是一个比较基础的工作,针对空间点云,进行分类或者语义分割的框架,现在通常也被用作对RGB-D图像进行特征提取的部分。