arXiv (Cornell University)· 2016· Ön baskı
PointNet: 3B Sınıflandırma ve Segmentasyon için Nokta Kümelerinde Derin Öğrenme
PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation
- 2.880atıf
- 2016yıl
Kısa özet
PointNet, düzensiz 3B nokta bulutu verilerini doğrudan işlemek üzere tasarlanmış yeni bir sinir ağı mimarisidir ve bunu voksel ızgaralarına veya görüntülere dönüştürmenin sınırlamalarının üstesinden gelir.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Ana noktalar
- 3B nokta bulutu verilerini doğrudan işleyen bir sinir ağı olan PointNet'i tanıtır.
- Nokta bulutu verileriyle ilgili önemli bir zorluk olan noktaların değişmezliğini ele alır.
- 3B sınıflandırma ve segmentasyon görevlerinde en gelişmiş performansı elde eder.
- Ağın öğrenmesi ve sağlamlığına dair teorik analiz sağlar.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Özet (abstract)
Point cloud is an important type of geometric data structure. Due to its irregular format, most researchers transform such data to regular 3D voxel grids or collections of images. This, however, renders data unnecessarily voluminous and causes issues. In this paper, we design a novel type of neural network that directly consumes point clouds and well respects the permutation invariance of points in the input. Our network, named PointNet, provides a unified architecture for applications ranging from object classification, part segmentation, to scene semantic parsing. Though simple, PointNet is highly efficient and effective. Empirically, it shows strong performance on par or even better than state of the art. Theoretically, we provide analysis towards understanding of what the network has learnt and why the network is robust with respect to input perturbation and corruption.
Yazarların özeti; kaynağından alınmıştır. arXiv (Cornell University), 2016 · DOI ↗
Ücretsiz hesapla devam et
Makaleye Sor ile bu makaleye günde 3 soru ücretsiz; makaleyi kaydet, kaynakçasını al, ilgi alanına göre her gün yeni özetler. Çıkarımlar Premium.
Web'de ücretsiz devam etGoogle ya da Apple hesabınla giriş; kart istemez. Bu makaleye geri dönersin.
Telefonda:
Alan: Hesaplamalı Mekanik
Computational MechanicsEngineering