点云深度学习方法

深度学习点云数据处理主要涉及:

分类(Classification)、分割(Segmentation)、目标检测(Object Detection)、实例分割(Panoptic Segmentation)、配准(Registration)、点云重构(Reconstruction)。

论文:Deep Learning for 3D Point Clouds: A Survey中将方法进行分类

其中主要方法可以分为:基于多视图、基于点、基于体素、融合方法

1、基于点的方法

1.1 pointnet、pointnet++、pointnext方法等

1.2 卷积的方法:pointconv、kpconv、自注意力网络模型(point transformer)

1.3 图方法:DGCNN

2、基于体素的方法

2.1 voxlnet:网格划分后,提取网格内特征,之后进行卷积实现目标检测

2.2 VOtr:自注意力机制应用到体素检测中

3、多视图方法

将多个视图点云投影至2D,作为训练数据,利用卷积实现目标后再投影回3D

3.1 MVCNN

参考文章:【综述】三维点云深度学习算法综述,sota pointcloud - yeyan的文章 - 知乎

https://zhuanlan.zhihu.com/p/631205455

相关推荐
985小水博一枚呀4 分钟前
【深度学习滑坡制图|论文解读3】基于融合CNN-Transformer网络和深度迁移学习的遥感影像滑坡制图方法
人工智能·深度学习·神经网络·cnn·transformer
AltmanChan5 分钟前
大语言模型安全威胁
人工智能·安全·语言模型
985小水博一枚呀9 分钟前
【深度学习滑坡制图|论文解读2】基于融合CNN-Transformer网络和深度迁移学习的遥感影像滑坡制图方法
人工智能·深度学习·神经网络·cnn·transformer·迁移学习
数据与后端架构提升之路18 分钟前
从神经元到神经网络:深度学习的进化之旅
人工智能·神经网络·学习
爱技术的小伙子24 分钟前
【ChatGPT】如何通过逐步提示提高ChatGPT的细节描写
人工智能·chatgpt
深度学习实战训练营2 小时前
基于CNN-RNN的影像报告生成
人工智能·深度学习
昨日之日20064 小时前
Moonshine - 新型开源ASR(语音识别)模型,体积小,速度快,比OpenAI Whisper快五倍 本地一键整合包下载
人工智能·whisper·语音识别
浮生如梦_4 小时前
Halcon基于laws纹理特征的SVM分类
图像处理·人工智能·算法·支持向量机·计算机视觉·分类·视觉检测
深度学习lover4 小时前
<项目代码>YOLOv8 苹果腐烂识别<目标检测>
人工智能·python·yolo·目标检测·计算机视觉·苹果腐烂识别
热爱跑步的恒川5 小时前
【论文复现】基于图卷积网络的轻量化推荐模型
网络·人工智能·开源·aigc·ai编程