pointnetplusplus_paddlepaddle

Paper: PointNet++: Deep Hierarchical Feature Learning on Point Sets in a Metric Space

一、简介

PointNet++与PointNet相比网络可以更好的提取局部特征。网络使用空间距离（metric space distances），使用PointNet对点集局部区域进行特征迭代提取，使其能够学到局部尺度越来越大的特征。基于自适应密度的特征提取方法，解决了点集分布不均匀的问题。 PointNet++

二、复现精度

指标	原论文	复现精度
top-1 Acc	90.7	92.0

三、数据集

使用的数据集为：ModelNet40。

四、环境依赖

• 硬件：GPU、CPU

• 框架：

  • PaddlePaddle >= 2.0.0
  • tqdm

五、快速开始

Data Preparation

Download alignment ModelNet and put it in ./dataset/modelnet40_normal_resampled/

Train

python train_modelnet.py --process_data

Test

python test_modelnet.py --log_dir path_to_model

六、代码结构与详细说明

6.1 代码结构

|—— README.md
|—— provider.py    # 点云数据增强
|—— ModelNetDataset.py # 数据集定义及加载
|── train_modelnet.py       # 训练网络
|── test_modelnet.py     # 测试网络
|—— models        # 模型文件定义

6.2 参数说明

可以在 train_modelnet.py 中设置训练与评估相关参数，具体如下：

参数	默认值	说明	其他
batch_size	24	batch_size 大小
epoch	200, 可选	epoch次数
batch_size	32, 可选	batch_size 大小
learning_rate	0.001, 可选	初始学习率
num_point	1024, 可选	采样的点的个数
decay_rate	1e-4, 可选	weight decay
use_normals	False, 可选	normalize 点
use_uniform_sample	False, 可选	均匀采样
process_data	False, 可选	是否预处理数据，如果没有下载预处理的数据需要为true

Reference Implementation:

• TensorFlow (Official)
• PyTorch