Advertisement

PointNet2.PyTorch：基于PyTorch的更快PointNet++实现

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：None

简介：
PointNet2.PyTorch是基于PyTorch框架的一个更快速、高效的PointNet++实现版本，适用于点云处理任务。 Pointnet2.PyTorch 是基于 PyTorch 的实现，并通过重新编写 CUDA 操作使其比原始代码更快。 安装要求： - Linux（已在 Ubuntu 14.04 / 16.04 上测试） - Python 3.6+ - PyTorch 1.0 安装方法：运行以下命令来安装此库。 ``` cd pointnet2 python setup.py install cd ../ ``` 示例： 这里提供了一个简单的例子，展示如何在 KITTI Outdoor 前景点云分割任务中使用这个库。有关任务描述和前景标签生成的详细信息，请参考相关论文。 下载训练数据后，文件应按照以下方式组织： Pointnet2.PyTorch ├── pointnet2 ├── tools │ ├── data │ │ ├── KITTI │ │ │ ├── ImageSets

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • PointNet2.PyTorch：基于PyTorch的更快PointNet++实现
    优质
    PointNet2.PyTorch是基于PyTorch框架的一个更快速、高效的PointNet++实现版本，适用于点云处理任务。 Pointnet2.PyTorch 是基于 PyTorch 的实现，并通过重新编写 CUDA 操作使其比原始代码更快。 安装要求： - Linux（已在 Ubuntu 14.04 / 16.04 上测试） - Python 3.6+ - PyTorch 1.0 安装方法：运行以下命令来安装此库。 ``` cd pointnet2 python setup.py install cd ../ ``` 示例： 这里提供了一个简单的例子，展示如何在 KITTI Outdoor 前景点云分割任务中使用这个库。有关任务描述和前景标签生成的详细信息，请参考相关论文。 下载训练数据后，文件应按照以下方式组织： Pointnet2.PyTorch ├── pointnet2 ├── tools │ ├── data │ │ ├── KITTI │ │ │ ├── ImageSets
     
  • PointNet2/PointNet++的PyTorch实现- Python项目开发
    优质
    本Python项目提供PointNet2（又称PointNet++）的PyTorch实现，适用于点云数据处理和机器学习任务，助力深度学习研究与应用开发。 用PyTorch编写的Pointnet2/Pointnet++的实现支持多GPU，并通过nn.DataParallel进行扩展。该版本适用于PyTorch 1.0及以上版本。对于较旧版本，可以参考v1.0分支中的代码。正式的模型定义和超参数可以在charlesq34/pointnet2仓库中找到（以tensorflow格式）。使用CUDA的GPU当前仅支持Pointnet++使用的自定义操作。 安装环境：已通过Python 3.6 和 Python 3.7 测试过此仓库。
     
  • PointNet与PointNet++的Pytorch实现
    优质
    本项目提供PointNet和PointNet++在PyTorch框架下的完整实现，适用于点云数据的分类、语义分割等任务。 更新如下： 2021/03/27： （1）发布语义分割的预训练模型，其中PointNet++可以达到53.5%的mIoU。 （2）发布用于分类和部分分割任务的预训练模型。 2021/03/20： 更新了分类代码，包括以下内容： （1）添加了用于ModelNet10数据集训练的代码。使用--num_category 10参数进行设置。 （2）增加了仅在 CPU 上运行的选项。通过使用--use_cpu 参数启用此功能。 （3）加入了离线数据预处理代码以加速训练过程，可以通过使用 --process_data 参数来激活该功能。 （4）添加了用于均匀采样训练的数据增强方法。利用--use_uniform_sample参数实现。 2019/11/26： （1）修复了一些先前版本中存在的错误，并引入了数据增强技巧。现在仅用1024点即可达到92.8%的准确率。 （2）添加了测试代码，包括分类和分割任务以及可视化语义分割结果的功能。 （3）将所有模型整理到./models文件夹中，方便用户使用。
     
  • PointNet_pytorch_PointNet的PyTorch实现.zip
    优质
    本资源提供了一个用PyTorch框架实现的PointNet代码库，适用于点云数据处理与分类任务。包含模型训练、测试及预处理脚本。 PointNet.pytorch 是 PointNet (https://arxiv.org/abs/1612.00593) 在 PyTorch 中的实现。模型代码位于 pointnet.py 文件中。下载数据并运行 bash 脚本即可使用。
     
  • PointNet2_PyTorch: PointNet++的PyTorch实现版本
    优质
    简介：PointNet2_PyTorch是PointNet++的PyTorch版实现，适用于点云理解任务，支持多种数据集与模型架构，便于研究和开发。 Pointnet2/Pointnet++ PyTorch 项目状态：未维护。由于时间有限，我没有更新此代码的计划，并且不会响应问题。 该项目是用 PyTorch 编写的 Pointnet2/Pointnet++ 版本，支持多 GPU 使用和 PyTorch 版本 >= 1.0.0 的环境。对于旧版本的 PyTorch 支持，请参考官方发布的模型定义和超参数（在 tensorflow 中）。 注意：Pointnet++ 所使用的自定义操作目前仅在使用 CUDA 的 GPU 上受支持。该项目已通过 Python {3.6, 3.7} 版本进行测试，安装依赖项时请运行 `pip install -r requirements.txt` 命令，并且该 repo 已经用 PyTorch {1.4, 1.5} 进行了测试。它可能适用于比 1.5 更新的版本，但这不能保证。
     
  • Pointnet和Pointnet2的PyTorch实现：使用纯Python并在ModelNet、ShapeNet等数据集上运行...
    优质
    本文介绍了PointNet及其改进版本PointNet++在PyTorch框架下的实现方法，并展示了它们在ModelNet和ShapeNet数据集上的应用。 PointNet 和 PointNet++ 的 Pytorch 实现已经更新至最新版本。截至2021年3月27日的更新包括： （1）发布了预训练语义分割模型，其中PointNet++达到了53.5%的mIoU。 （2）在log文件夹中提供了用于分类和零件细分任务的预训练模型。 此外，在2021年3月20日进行了以下代码优化更新： （1）增加了ModelNet10数据集上的训练代码，通过设置--num_category 10实现。 （2）加入了仅使用CPU运行的选项，通过添加 --use_cpu 参数启用。 （3）实现了离线数据预处理功能以加速训练过程，可通过 --process_data 开关激活。 （4）增加了统一采样方法用于模型训练，可以通过设置--use_uniform_sample来选择此模式。 最后，在2019年11月26日的更新中： （1）修复了一些先前版本中的错误，并引入了数据增强技术。现在仅使用 1024 点就能实现高达 92.8% 的分类准确率。 （2）重写了部分代码以提高效率和准确性。
     
  • PointNet-Pytorch模型
    优质
    PointNet-Pytorch模型是一款基于PyTorch框架实现的深度学习点云处理工具，它能够直接从原始点云数据中提取特征，适用于分类、语义分割等多种任务。 PointNet-PyTorch 是 PyTorch 中 PointNet 的实现。分类数据集为 ModelNet10。下载脚本是 sh modelnet_data_download.sh，训练脚本为 python train_cls.py。 相关论文链接：PointNet: https://arxiv.org/pdf/1612.00593.pdf（arxiv） 3D ShapeNets
     
  • PyTorch版PointNet++代码
    优质
    本项目提供了基于PyTorch框架实现的PointNet++源码，适用于点云数据处理任务，包含分类和语义分割功能。 @article{Pytorch_Pointnet_Pointnet2, Author = {Xu Yan}, Title = {Pointnet/Pointnet++ Pytorch}, Journal = {https://github.com/yanx27/Pointnet_Pointnet2_pytorch}, Year = {2019}} 重写后的内容如下： @article{Pytorch_Pointnet_Pointnet2, Author = {Xu Yan}, Title = {Pointnet/Pointnet++ Pytorch}, Journal = {}, Year = {2019}}
     
  • SiamRPN-PyTorch: 基于PyTorch的SiamRPN实现
    优质
    SiamRPN-PyTorch是一款基于PyTorch框架开发的代码库，实现了Siamese Region Proposal Network（SiamRPN）算法。该工具为视觉追踪任务提供了高效、灵活的解决方案。 SiamRPN-PyTorch 使用 PyTorch 框架为对象跟踪应用程序重新实现了 SiamRPN。开发的代码基于先前的一些实现工作，并且为了测试所开发的代码，使用了 VOT-2013 体操子数据集。要求 Python 版本 >= 3.6、PyTorch 版本 >= 1.0.1、torchvision 和 cv2 库。 训练和追踪：已实现的代码以 [x1, y1, w, h] 的形式接收地面真实值（ground truth）。数据集结构如下： ``` dataset_path/Gymnastics/img1.jpg /img2.jpg ... /imgN.jpg /groundtruth.txt ``` 运行命令： $ python3 SiamRPN_train.py
     
  • EfficientNet-PyTorch：基于PyTorch的EfficientNet实现
    优质
    EfficientNet-PyTorch是使用PyTorch框架开发的EfficientNet模型的高效实现，适用于图像分类任务。它通过自动模型缩放策略优化了网络结构和参数大小。 使用EfficientNet PyTorch可以通过pip install efficientnet_pytorch命令安装，并通过以下代码加载预训练的模型： ```python from efficientnet_pytorch import EfficientNet model = EfficientNet.from_pretrained(efficientnet-b0) ``` 更新记录如下： - 2020年8月25日：新增了一个`include_top（默认为True）`选项，同时提高了代码质量和修复了相关问题。 - 2020年5月14日：增加了全面的注释和文档支持（感谢@workingcoder贡献）。 - 2020年1月23日：基于对抗训练添加了新的预训练模型类别，名为advprop。