PointNet++训练自己的数据集(附源码)

这篇具有很好参考价值的文章主要介绍了PointNet++训练自己的数据集(附源码)。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

本文针对PointNet++强大的三维点云分类功能,详细讲解怎么训练自己的数据集,在此之前,需要确保已经能够跑通源码的训练和测试,如果没有,请参考PointNet++的源码运行。

  1. 数据放置

pointnet训练自己的数据,PointNet++从入门到深入,人工智能,pycharm,PointNet++,PointNet,Powered by 金山文档

1.1. 在mytensor_shape_names.txt中配置自己的分类,以及分类名称:

pointnet训练自己的数据,PointNet++从入门到深入,人工智能,pycharm,PointNet++,PointNet,Powered by 金山文档

1.2. 在filelist.txt中填入对应的不同类别的文件夹名/数据文件名,这里的文件夹名最好跟自己的分类类别一致

pointnet训练自己的数据,PointNet++从入门到深入,人工智能,pycharm,PointNet++,PointNet,Powered by 金山文档

1.3. 然后在mytensor_train.txt和mytensor_test.txt中依次输入训练和测试的数据文件名称

我的训练集就是测试集,所以是一样的

pointnet训练自己的数据,PointNet++从入门到深入,人工智能,pycharm,PointNet++,PointNet,Powered by 金山文档

1.4 实际的再次采集的测试数据

pointnet训练自己的数据,PointNet++从入门到深入,人工智能,pycharm,PointNet++,PointNet,Powered by 金山文档
  1. 代码修改

2.1 训练时的代码修改

主要修改batch_size,和类别数量

pointnet训练自己的数据,PointNet++从入门到深入,人工智能,pycharm,PointNet++,PointNet,Powered by 金山文档

在数据加载模块中,将自己的配置文件放进去

pointnet训练自己的数据,PointNet++从入门到深入,人工智能,pycharm,PointNet++,PointNet,Powered by 金山文档

然后就可以开始训练

2.2 测试时代码修改

测试时修改较多,主要是在数据加载类中,可直接查看代码

  1. 运行结果查看

查看自己的分类是否正确,可直接查看打印出来的pred_choice

pointnet训练自己的数据,PointNet++从入门到深入,人工智能,pycharm,PointNet++,PointNet,Powered by 金山文档

4. 源码下载

可前往百度网盘下载,测试,有任何问题可以私信我

链接:https://pan.baidu.com/s/1iuqHQg_w6kq6JzmZjaIbaw

提取码:ng3h文章来源地址https://www.toymoban.com/news/detail-808202.html

到了这里,关于PointNet++训练自己的数据集(附源码)的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • Pytorch1.7复现PointNet++点云分割(含Open3D可视化)(文末有一个自己做的书缝识别项目代码)

      毕设需要,复现一下PointNet++的对象分类、零件分割和场景分割,找点灵感和思路,做个踩坑记录。 https://github.com/yanx27/Pointnet_Pointnet2_pytorch   我的运行环境是pytorch1.7+cuda11.0。   PointNet++代码能实现3D对象分类、对象零件分割和语义场景分割。 对象分类   下载数据

    2023年04月15日
    浏览(85)
  • PointNet系列代码复现详解(1)—PointNet分类部分

    想尽快入门点云,因此就从这个经典的点云处理神经网络开始。源码已经有了中文注释,但在一些对于自己不理解的地方添加了一些注释。欢迎大家一起讨论。 代码是来自github:GitHub - yanx27/Pointnet_Pointnet2_pytorch: PointNet and PointNet++ implemented by pytorch (pure python) and on ModelNet, Sha

    2024年02月08日
    浏览(42)
  • 3D点云(3D point cloud)及PointNet、PointNet++

    https://www.youtube.com/watch?v=Ew24Rac8eYE 传统图像数据是2维的 3D点云是3维的,可以表达更多信息 比如对化工厂进行违章识别、安全隐患的识别 城市管理 点云分割 点云补全 点云生成 点云物体检测(3D物体检测) 点云配准(后续任务的基础) 一般点云数据都是基于激光雷达扫描生

    2024年02月02日
    浏览(43)
  • from pointnet2_ops import pointnet2_utils 安装过程

    遇到的代码需要安装pointnet2_ops模块,记录下安装过程 项目位置 查找到安装方法 或者 但是报错 错误一: 或者报错 错误二: 错误三: 错误一解决方法: 方法一: 当使用git+https时报错极有可能是服务器的SSL证书没有经过第三方机构的签署,所以才报错 解决方法 方法二: 只

    2024年02月13日
    浏览(35)
  • PointNet++详解(二):网络结构解析

    如有错误,恳请指出。 在之前对PointNet与PointNet++网络进行了介绍,接下来是对其代码的解析。 1. 论文阅读笔记 | 三维目标检测——PointNet 2. 论文阅读笔记 | 三维目标检测——PointNet++ 参考的github项目为:https://github.com/yanx27/Pointnet_Pointnet2_pytorch 这篇博客的内容主要是将PointN

    2024年02月02日
    浏览(51)
  • pointnet C++推理部署--tensorrt框架

    python推理: C++推理: 其中推理引擎的构建也可以直接使用tensorrt的bin目录下的trtexec.exe。 LZ也实现了cuda版本的前处理代码,但似乎效率比cpu前处理还低。可能是数据量不够大吧(才10^3数量级),而且目前LZ的cuda水平也只是入门阶段… python推理: C++推理: python推理: C++推理

    2024年02月11日
    浏览(35)
  • 使用 PointNet 进行3D点集(即点云)的分类

    无序3D点集(即点云)的分类、检测和分割是计算机视觉中的核心问题。此示例实现了开创性的点云深度学习论文PointNet(Qi 等人,2017)。 如果使用 colab 首先安装 trimesh  !pip install trimesh 。

    2024年02月07日
    浏览(40)
  • 图神经网络:(处理点云)PointNet++的实现

    文章说明: 1)参考资料:PYG的文档。文档超链。 2)博主水平不高,如有错误,还望批评指正。 3)我在百度网盘上传这篇文章jupyter notebook以及有关文献。提取码8848。 一个简单分类任务。具体如下: 导库以及下载数据 PS1:这段代码会在C盘生成一个DATA的文件并将数据集放在DATA之

    2024年02月05日
    浏览(36)
  • 太实用了!20分钟快速理解【PointNet网络】,妥妥的!

    点云是一种重要的几何数据结构。由于其不规则的格式,大多数研究人员将此类数据转换为规则的 3D 体素网格或图像集合。但是,这会使数据变得不必要地庞大并导致问题。在本文中,我们设计了一种直接处理点云的新型神经网络,它很好地保留了输入中点云的排列不变性。

    2024年02月03日
    浏览(50)
  • 3D检测:从pointnet,voxelnet,pointpillar到centerpoint

    记录centerpoint学习笔记。目前被引用1275次,非常高。 地址:Center-Based 3D Object Detection and Tracking (thecvf.com) GitHub - tianweiy/CenterPoint CenterPoint:三维点云目标检测算法梳理及最新进展(CVPR2021)_哔哩哔哩_bilibili 作者解释。 CenterPoint 是一种用于激光点云的3D目标检测与跟踪算法框架

    2024年04月22日
    浏览(40)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包