一、PointNet++解決了PointNet存在的哪些問題

1. PointNet的point-wise MLP，僅僅是對每個點(diǎn)表征，對局部結(jié)構(gòu)信息整合能力太弱 -->PointNet++的改進(jìn)：sampling和grouping整合局部鄰域
2. PointNet的global feature直接由max pooling獲得，無論是對分類還是對分割任務(wù)，都會造成巨大的信息損失 -->PointNet++的改進(jìn)：hierarchical feature learning framework，通過多個set abstraction逐級降采樣，獲得不同規(guī)模不同層次的local和global feature（最后一個set abstraction輸出可以認(rèn)為是global feature），這樣獲得的global特征更高級，表征能力更強(qiáng)。
3. 分割任務(wù)的全局特征global feature是直接復(fù)制與local feature拼接，這樣直接進(jìn)行拼接的話，可利用的global feature太少了，生成discriminative feature能力有限 -->PointNet++的改進(jìn)：分割任務(wù)設(shè)計了encoder-decoder結(jié)構(gòu)，先降采樣再上采樣，使用skip connection將對應(yīng)層的local-global feature拼接，這樣的特征更高級，更具有判別性。
4. 當(dāng)然PointNet++還解決了當(dāng)點(diǎn)云不均勻的時候，在密集區(qū)域?qū)W習(xí)出來的特征可能不適合稀疏區(qū)域的問題，解決方法就是對不同半徑的子區(qū)域進(jìn)行特征提取后進(jìn)行特征堆疊，不同半徑的子區(qū)域的特征提取的維度變換也會隨著半徑的不同而不同

二、PointNet++的SA模塊中有不可導(dǎo)的FPS采樣操作，梯度如何能夠反向傳播？

3D檢測里面有這樣一類操作，用白話講，可以歸類為“路由”：即把特征從哪里取出來，或把特征匯聚到哪里去。“路由”的建立過程本身可以不可導(dǎo)（比如FPS和ball query）。但“路由”一旦建立，特征的傳遞和映射過程一般都是可導(dǎo)的。所以對于FPS操作在反向傳播時的具體實(shí)現(xiàn)我認(rèn)為和torch.scatter的梯度反傳類似，初始化一個0張量，然后按照scatter賦值過去。

成都創(chuàng)新互聯(lián)是一家集網(wǎng)站建設(shè),南山企業(yè)網(wǎng)站建設(shè),南山品牌網(wǎng)站建設(shè),網(wǎng)站定制,南山網(wǎng)站建設(shè)報價,網(wǎng)絡(luò)營銷,網(wǎng)絡(luò)優(yōu)化,南山網(wǎng)站推廣為一體的創(chuàng)新建站企業(yè)，幫助傳統(tǒng)企業(yè)提升企業(yè)形象加強(qiáng)企業(yè)競爭力。可充分滿足這一群體相比中小企業(yè)更為豐富、高端、多元的互聯(lián)網(wǎng)需求。同時我們時刻保持專業(yè)、時尚、前沿，時刻以成就客戶成長自我，堅持不斷學(xué)習(xí)、思考、沉淀、凈化自己，讓我們?yōu)楦嗟钠髽I(yè)打造出實(shí)用型網(wǎng)站。

對于pointnet++中的一個例子（因?yàn)椴荒躣ebug進(jìn)用C++寫的自定義的cuda算子，debug沒法進(jìn)c++的代碼的，只能到調(diào)用的那一步，所以推薦直接采用全局搜索），對于前向傳播中那些不能導(dǎo)的操作，是要重寫一下backward函數(shù)的，重寫時可能會調(diào)用自己實(shí)現(xiàn)的cuda代碼。可以看到重寫的backward函數(shù)返回值只有第一個有梯度，第二個沒有梯度。backward的參數(shù)輸入來自于forward的輸出的梯度，backward返回值對應(yīng)于forward的輸入的梯度，所以說明idx沒有梯度，被截斷了，說明idx這條路是死的，但是features這條路依然有梯度：

案例：


外部調(diào)用邏輯：

Refer：

1. 【代碼閱讀】PointNet++代碼梳理
2. 【代碼閱讀】詳解在Pytorch中定義自己寫的CUDA編程函數(shù)
3. 【代碼閱讀】PointNet++具體實(shí)現(xiàn)詳解
4. Python 利用setup制作自定義包-打包-安裝
5. pytorch通過torch.utils.cpp_extension構(gòu)建CUDA/C++拓展
6. 利用torch.autograd.Function自定義層的forward和backward
7. PyTorch 源碼解讀之 torch.autograd：梯度計算詳解

你是否還在尋找穩(wěn)定的海外服務(wù)器提供商？創(chuàng)新互聯(lián)www.cdcxhl.cn海外機(jī)房具備T級流量清洗系統(tǒng)配攻擊溯源，準(zhǔn)確流量調(diào)度確保服務(wù)器高可用性，企業(yè)級服務(wù)器適合批量采購，新人活動首月15元起，快前往官網(wǎng)查看詳情吧

分享標(biāo)題：PointNet++理解-創(chuàng)新互聯(lián)
網(wǎng)頁地址：http://chinadenli.net/article20/cepdjo.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供搜索引擎優(yōu)化、標(biāo)簽優(yōu)化、面包屑導(dǎo)航、ChatGPT、網(wǎng)站策劃、網(wǎng)站營銷

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請盡快告知，我們將會在第一時間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時需注明來源： 創(chuàng)新互聯(lián)