Octree-based convolutional neural network summary
来源:互联网 发布:导航仪软件 编辑:程序博客网 时间:2024/06/03 05:32
- 在3D shape的分类、检索、分割等应用中,使用神经网络面临的一大挑战是3D shape的不规则性。
- 已有的应有:
- 使用3D object在多个特定角度下的投影,作为输入,使用神经网络进行处理
- 使用voxel-based 的方法,每一个三维cube都使用binary 表示是否为3D object的一部分,这样就解决了 irregularity的问题。
- 使用geometry image的方法,将3D object 参数化到二维平面,GI作为网络输入即可。
- 本文中,同样使用八叉树这种数据结构,来构建神经网络中不同layer之间的联系。
- 具体而言,将3D object存储在八叉树中后,各个不同的3D object对应的叶节点并不相同,在本文实现中,将空叶节点上的法向量等property置为0, 以此保证输入结构的统一性。
- 此外使用Label 数组来记录不同layer 间父子节点对应的关系。在进行convolution、pooling等操作时,将前一层的结果 对应于 后一层的输入,同时,其对应关系与 octree 相对应。所以,步长stride的大小、pooling的kernel大小等应当为2的幂,因为,对应于octree的各层关系。
- 二维下:
————
阅读全文
1 0
- Octree-based convolutional neural network summary
- Convolutional Neural Network-based Place Recognition
- READING NOTE:LCNN: Lookup-based Convolutional Neural Network
- Convolutional neural network
- convolutional neural network
- Convolutional Neural Network
- Some Improvements on Deep Convolutional Neural Network Based Image Classif ication
- Some Improvements on Deep Convolutional Neural Network Based Image Classification(精读)
- 目标跟踪之“Robust Visual Tracking with Deep Convolutional Neural Network based Object Proposals on PETS”
- ABC-CNN: An Attention Based Convolutional Neural Network for Visual Question Answering
- 卷积神经网络 convolutional neural network
- UFLDL Exercise: Convolutional Neural Network
- Tensorflow: Convolutional Neural Network Basic
- cs231n Convolutional Neural Network 笔记
- Introduction to Convolutional Neural Network
- Convolutional neural networks(CNN) (十二) Convolutional Neural Network Theory
- Convolutional neural networks(CNN) (十三) Convolutional Neural Network Exercise
- 卷积神经网络(Convolutional Neural Network)总结
- 面试宝典 经典笔试 题 之用 java 实现 旋转数组
- context:component-scan标签的use-default-filters属性的作用以及原理分析
- STL各个数据结构特点
- 未知宽高img的居中问题
- mysql 的安装和新用户的创建
- Octree-based convolutional neural network summary
- tensorflow 图像数据处理(二)
- Linux下替换指定的目录及其子目录下所有文件中的某些内容(3种方法)
- 银行转账存储过程类似(mysql)
- 怎样关闭frame窗口
- 2127: happiness
- 2017.09.09网易校招笔试第一题
- JAVA 简单爬虫
- kd-tree : k近邻查询和范围查询