论文笔记：（CVPR2017）PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation
目录 一、 存在的问题 二、 解决的方案 1、点云特征 2、解决方法 三、 网络结构 四、 理论证明 五、实验效果 ...
原文：论文笔记：（2019CVPR）PointConv: Deep Convolutional Networks on 3D Point Clouds
目录 摘要 一 前言 . 直接获取 D数据的传感器 . 为什么用 D数据 . 目前遇到的困难 . 现有的解决方法及存在的问题 二 本文idea . idea来源 . 初始思路 . 改进的思路 . 进一步创新 . 本文贡献 三 PointConv . D图像与 D点云的区别 . D连续卷积 gt 点云卷积 . . 原始PointConv . . 高效的PointConv . . PointDeCo ...
2020-11-11 17:32 0 608 推荐指数：
相关推荐
论文笔记《Hand Gesture Recognition with 3D Convolutional Neural Networks》
一、概述 Nvidia提出的一种基于3DCNN的动态手势识别的方法，主要亮点是提出了一个novel的data augmentation的方法，以及LRN和HRn两个CNN网络结合的方式。 3D的CNN主要是使用了三维的卷积核去处理视频序列，是视频分析中常用的方法之一。 这里是 ...
论文笔记：（2021CVPR）PAConv: Position Adaptive Convolution with Dynamic Kernel Assembling on Point Clouds
目录 摘要 1、引言 2、相关工作 将点云映射到常规二维或三维栅格（体素） 基于MLPs的点表示学习 基于点卷积的点表示学习 动 ...
CVPR 2019: Generating 3D Adversarial Point Clouds 生成三维对抗点云数据
目前做的方向是点云分类，CVPR 2019中了的这篇论文算是颠覆了当前以PointNet为基础的使用深度学习方法进行的点云分类研究，特此关注下这篇文章。 论文链接：https://arxiv.org/abs/1809.07016 摘要： 已知深度神经网络容易受到精心设计的对抗性的例子的影响 ...
论文笔记：（TOG2019）DGCNN : Dynamic Graph CNN for Learning on Point Clouds
目录 摘要 一、引言 二、相关工作 三、我们的方法 3.1 边缘卷积Edge Convolution 3.2动态图更新 3.3 性质 ...
论文笔记：（ICCV2019）KPConv: Flexible and Deformable Convolution for Point Clouds
3.4核点网络架构 四、实验 4.1三维形状分类和分割 4.2 3D ...
Deep Learning for 3D Point Clouds: A Survey中文翻译
关于三维点云的深度学习调查 摘要 由于点云学习在计算机视觉，自动驾驶和机器人等许多领域的广泛应用，近来引起了越来越多的关注。深度学习作为AI中的主要技术，已成功用于解决各种2D视觉问题。但是，由于使用深度神经网络处理点云所面临的独特挑战，因此点云上的深度学习仍处于起步阶段。近年来，在点云 ...
论文笔记《Notes on convolutional neural networks》
这是个06年的老文章了，但是很多地方还是值得看一看的. 一、概要 主要讲了CNN的Feedforward Pass和 Backpropagation Pass，关键是卷积层和polling层 ...