点网

点网:对三维分类和分割的点集的深入学习。点云是一种重要的几何数据结构。由于其格式不规则,大多数研究人员将这些数据转换为规则的三维体素网格或图像集合。然而,这会使数据变得不必要的庞大,并导致问题。本文设计了一种新的神经网络,它直接消耗点云,并且很好地尊重输入点的排列不变性。我们的网络名为PointNet,为从对象分类、部件分割到场景语义分析的应用程序提供了一个统一的体系结构。虽然简单,但PointNet非常高效。从经验上看,它表现出了不相上下甚至优于最先进水平的强劲表现。理论上,我们提供分析,以了解网络所学的知识,以及为什么网络对于输入扰动和腐败具有鲁棒性。


zbMATH中的参考文献(参考文献43条)

显示第1到第20个结果,共43个。
按年份排序(引用)
  1. 金鹏飞;赖天豪;赖荣杰;董斌:NPTC网络:点云上的窄带并行传输卷积神经网络(2022)
  2. Yarotsky,Dmitry:神经网络对不变映射的普遍逼近(2022)
  3. Gao,W.,Nan,L.,Boom,B.,Ledoux,H.:SUM:语义城市网格基准数据集(2021)不是zbMATH
  4. 加代、桑比特;李先耀;巴鲁,阿迪提亚;萨卡,苏米克;Krishnamurthy,Adarsh:用于学习CAD模型中多尺度空间特征的多分辨率3D CNN(2021)
  5. 郭瑞;周勇;赵佳琪;姚,芮;刘兵;张勋辉:基于无监督空间感知注意的多尺度域自适应点云分类网络(2021)
  6. 华,米歇尔;高明奇;钟子春:用于视频动作识别的扩张轮廓卷积网络(2021)
  7. 朱雷维奇,马特乌斯;Derczynski,Leon:机器学习中的集合序列方法:回顾(2021)
  8. 马佳怡;蒋兴宇;范敖翔;蒋俊军;颜俊奇:从手工到深层特征的图像匹配:一项调查(2021年)
  9. 平、玉涵;魏国栋;杨磊;崔志明;王文平:三维牙科数据的自我注意内隐函数网络(2021)
  10. 王光宇;徐刚;吴清;Wu,Xundong:基于外积神经网络的两阶段点云超分辨率局部插值和调整(2021)
  11. 邓浩;To,Albert C.:基于深度表示学习(DRL)的符合性和应力约束设计拓扑优化(2020)
  12. 埃利亚索夫,摩舍;沙夫,安德烈;Treister,Eran:使用参数水平集方法在校准不确定度下进行多模态三维形状重建(2020)
  13. 哈克尔,蒂莫;乌斯维亚佐夫,米哈伊尔;加利亚尼,西尔瓦诺;韦格纳,1月D日。;康拉德辛德勒:利用和保持CNNs稀疏性的推理、学习和注意机制(2020)
  14. Hähnel,菲利普;马雷切克,雅库布;蒙泰尔,朱利安;奥唐查(O'Donncha)、费格尔(Fearghal):利用深度学习扩大空气污染监测和预测的范围(2020年)
  15. 郎、徐峰;孙正兴:三维形状合成的结构感知形状对应网络(2020)
  16. 刘,李;欧阳、万里;王晓刚;菲格斯,保罗;陈杰;刘新旺;Pietikäinen,Matti:通用对象检测的深度学习:调查(2020)
  17. 刘辛海;韩志忠;洪、方舟;刘玉深;Zwicker,Matthias:LRC网络:通过编码本地区域上下文学习点云上的区分特征(2020)
  18. Nicolas Wagner,Ulrich Schwanecke:NeuralQAAD:高分辨率点云压缩的有效可微框架(2020)阿尔十四
  19. 派,高塔人;约瑟夫里夫林,莫尔;金梅尔,罗恩;Sochen,Nir:几何不变量,学习,形状和形式的识别(2020)
  20. 波兰蒂,玛丽娜;Frontoni,Emanuele:多学科模式识别应用:综述(2020)