PointNet的缺点： PointNet不捕获由度量空间点引起的局部结构，限制了它识别细粒度图案和泛化到复杂场景的能力。 利用度量空间距离，我们的网络能够通过增加上下文尺度来学习局部特征。 点集通常采用不同的密度进行采样，这导致在统一密度下训练的网络的性能大大降低 ...

简介 3D展示有以下几种常见情况： multi-view images(多视角的图片)+2D CNN：图片表示3D数据存在失真。 vulmetric data（3D体素）+3D CNN： ...

PointNet网络深度学习在点云处理上的先驱，这个团队又提出了PointNet++模型。以下是我学习之余的总结，一是理清自己的思路，二是于无意看到这篇博文的您一起学习。 一、PointNet的问题 一般提出新的模型，总是要分析原有模型的不足，是的。 由PointNet网络结构可以看出，网络 ...

无序性：虽然输入的点云是有顺序的，但是显然这个顺序不应当影响结果。点之间的交互：每个点不是独立的，而是与其周围的一些点共同蕴含了一些信息，因而模型应当能够抓住局部的结构和局部之间的交互。变换不变性：比 ...

针对点云无序性—采用maxpooling作为对称函数。最大池化操作保留最大值，不管顺序如何变化，最大值不会改变。 针对刚体变化—对齐网络T-net 特征提取阶段采用MLP，这种结构用到 ...

PointNet1 是斯坦福大学研究人员提出的一个点云处理网络，与先前工作的不同在于这一网络可以直接输入无序点云进行处理，而无序将数据处理成规则的3Dvoxel形式进行处理。输入点云顺序对于网络的输出结果没有影响，同时也可以处理旋转平移后的点云数据。 点云是一种重要的几何数据形式 ...

　　本文先对FCN的会议论文进行了粗略的翻译，使读者能够对论文的结构有个大概的了解（包括解决的问题是什么，提出了哪些方案，得到了什么结果）。然后，给出了几篇博文的连接，对文中未铺开解释的或不易理解的内容作了详尽的说明。最后给出了FCN代码的详解（待更新）。 Fully ...

文献：DaSiamRPN: Zheng Zhu, Qiang Wang, Bo Li, Wu Wei, Junjie Yan, Weiming Hu."Distractor-aware Siamese ...