文件名称：dgcnn.pytorch:用于点云学习的动态图CNN的PyTorch实现（DGCNN）
文件大小：49.84MB
文件格式：ZIP
更新时间：2024-04-10 19:45:07
point-cloud pytorch classification segmentation Python
DGCNN.pytorch 此仓库是用于点云学习的动态图CNN的PyTorch实现（DGCNN） （ ）。我们的代码框架是从借用的。 请注意，DGCNN论文中用于分类的网络结构（图3）与该论文第4.1节中的相应描述不一致。 DGCNN的作者采用第4.1节中的分类网络设置，而不是图3。我们使用PS修复了图3中的错误，并在下面给出了修改后的图。 提示：点云实验的结果通常比2D图像面临更大的随机性。我们建议您多次运行实验并选择最佳结果。 要求 Python 3.7 PyTorch 1.2 CUDA 10.0 包装：glob，h5py，sklearn 内容 点云分类 运行训练脚本： 1024点 python main_cls.py --exp_name=cls_1024 --num_points=1024 --k=20 2048点 python main_cls.py --exp_name
【文件预览】：
dgcnn.pytorch-master
----.gitignore(22B)
----README.md(6KB)
----main_partseg.py(15KB)
----util.py(995B)
----image()
--------DGCNN.jpg(394KB)
----LICENSE(1KB)
----model.py(19KB)
----prepare_data()
--------collect_indoor3d_data.py(1KB)
--------gen_indoor3d_h5.py(4KB)
--------meta()
--------indoor3d_util.py(24KB)
--------data_prep_util.py(5KB)
----README_zh.md(6KB)
----pretrained()
--------model.cls.1024.t7(6.93MB)
--------model.cls.2048.t7(6.93MB)
--------model.partseg.car.t7(5.6MB)
--------semseg()
--------model.partseg.t7(5.63MB)
--------model.partseg.airplane.t7(5.6MB)
----data.py(10KB)
----main_cls.py(10KB)
----main_semseg.py(15KB)