文件名称：RandLA-Net:andTandorflow中的RandLA-Net（CVPR 2020，口服）
文件大小：73.76MB
文件格式：ZIP
更新时间：2024-05-23 08:13:38
computer-vision semantic-segmentation 3d-vision s3dis semantickitti
RandLA-Net：大规模点云的有效语义分割（CVPR 2020） 这是RandLA-Net （CVPR2020，口头演示）的官方实施， RandLA-Net是一种简单高效的神经体系结构，用于大规模3D点云的语义分割。 有关技术细节，请参阅： RandLA-Net：大规模点云的有效语义分割， ，，，，， ，。 [] [] [] [] （1）设置 该代码已在Ubuntu 16.04上使用Python 3.5，Tensorflow 1.11，CUDA 9.0和cuDNN 7.4.1进行了测试。 克隆存储库 git clone --depth=1 https://github.com/QingyongHu/RandLA-Net && cd RandLA-Net 设置python环境 conda create -n randlanet python=3.5 source activate
【文件预览】：
RandLA-Net-master
----.gitignore(6B)
----main_Semantic3D.py(17KB)
----helper_ply.py(10KB)
----jobs_6_fold_cv_s3dis.sh(704B)
----jobs_test_semantickitti.sh(738B)
----tester_Semantic3D.py(6KB)
----compile_op.sh(130B)
----LICENSE(19KB)
----tester_S3DIS.py(7KB)
----helper_tf_util.py(20KB)
----RandLANet.py(18KB)
----main_SemanticKITTI.py(11KB)
----utils()
--------nearest_neighbors()
--------cpp_wrappers()
--------data_prepare_semantic3d.py(4KB)
--------meta()
--------data_prepare_s3dis.py(3KB)
--------semantic-kitti.yaml(5KB)
--------download_semantic3d.sh(4KB)
--------data_prepare_semantickitti.py(4KB)
--------6_fold_cv.py(2KB)
----helper_tool.py(13KB)
----README.md(7KB)
----imgs()
--------Semantic3D-3.gif(13.82MB)
--------SemanticKITTI-2.gif(20.54MB)
--------Semantic3D-4.gif(5.68MB)
--------Semantic3D-1.gif(7.87MB)
--------S3DIS_area3.gif(16.88MB)
--------S3DIS_area2.gif(8.99MB)
----tester_SemanticKITTI.py(8KB)
----helper_requirements.txt(127B)
----.gitattributes(91B)
----main_S3DIS.py(12KB)