- 博客(190)
- 资源 (11)
- 收藏
- 关注
RSS订阅
原创 Focal Loss的理解以及在多分类任务上的使用(Pytorch)
理解关键点一二分类和多分类的交叉熵的区别二分类交叉熵多分类交叉熵理解关键点二多分类和二分类focal loss理解关键点三alpha到底该如何设置
2020-12-17 11:12:26
35141
42
原创 点云语义分割:使用Cylinder3D训练SemanticKITTI数据集
将该路径修改到config/semanticktti.yaml文件中的data_path节点下。下载semanticKITTI数据集的点云数据和标签，解压到一起。系统：Ubuntu18。
2024-04-13 21:07:23
35
原创 3D点云目标检测:CT3D解读(未完)
就是基于单阶段的网络获取box作为Proposal，文章中使用的是Second网络，其他的如pointpillar、centerpoint都可以作为。对于给定的一个proposal，选择ROI区域内的点，ROI区域是一个没有高度限制的圆柱体，然后随机选取ROI范围内的256个点。训练过程中confidence的真值被设置为Proposals和对应的gt的3D IoU值。将经过编码-解码模块的输出送入两个FFN网络中，预测得到confidence和相对于输入的Proposal的box残差值。
2023-11-27 15:43:27
1925
原创 torch-scatter安装失败解决办法
安装torch-scatter时可以直接下载whl安装，但是会遇到版本不一致的问题，虽然可以安装但是会提示.so文件不存在或者undefined symbol: 的问题，可以在下面的地址中找到跟自己的torch和cuda版本对应的torch-scatter安装文件。
2023-10-11 15:01:33
1773
原创 3D点云目标检测：Centerformer训练waymo数据集
编译正确的输出如下图，bazel-bin/waymo_open_dataset/metrics/tools/compute_detection_metrics_main就是编译得到的检测精度评估工具。得到模型精度指标有两种方式，一种是提交到waymo官方网站进行评估，第二种是在本地进行评估。然后执行语句，编译时间特别长，我差不多用了一个多小时，如何能够翻墙应该会很快，编译正确的截图忘记保存了。模型训练结束后在work_dir/waymo_centerformer目录下可以看到保存的结果。
2023-09-18 17:43:26
2103
原创 点云目标检测：open3d多窗口联动可视化
多个模型之间的对比除了指标之外，还需要可以直接直观的对比可视化结果，这次介绍一下如何使用open3d同时打开两个窗口分别加载两个模型的结果进行对比，同时实现两个窗口的联动，也就是当一个窗口拖动或者缩放时另外一个窗口也跟着做同样的变换。
2023-04-16 19:00:23
3596
2
原创 3D点云目标检测：MPPNet网络训练waymo数据集
注意事项，要求内存大于100G，使用gt_sampling策略，不要使用share_memory策略。注意：验证集的版本要新一点，旧的的验证集合没有目标的点数，无法区分level1和level2。在这里记录一下MPPNet网络训练waymo数据的过程。三、训练centerpoint网络。一、waymo数据集介绍。二、waymo数据预处理。四、训练mppnet网络。
2023-04-09 00:55:58
3904
2
原创 点云可视化：使用open3d实现点云连续播放
模型训练完成后除了看ap等定量的指标是否变好外，还需要将结果可视化出来，直接观察模型的输出结果，往往我们的数据会比较多，如果单帧的看的话会比较麻烦，需要频繁的关闭窗口，最好是能直接连续的播放数据和模型的推理结果。我这里以waymo数据集中的一个场景分别给出open3d连续播放可视化的实现过程，样例数据已经上传网盘。（这里只放出第一种和第三种，第二种太过复杂么，需要设计很多控制变量）
2023-03-26 18:51:16
4954
6
原创 交叉熵损失导数推理
在深度学习网络训练中，交叉熵损失是一种经常使用的损失函数，这篇文章里我们来推导一下交叉熵损失关于网络输出z的导数，由于二分类是多分类的特殊情况，我们直接介绍多分类的推导过程。一、Softmax交叉熵损失求导基于softmax的多分类交叉熵公式为LSCE=−∑j=1Cyjlog(pj)L_{S C E}=-\sum_{j=1}^{C} y_{j} \log \left(p_{j}\right)LSCE=−j=1∑Cyjlog(pj)其中CCC表示类别总数，包含背景类别，pjp_jpj通过S
2022-04-14 15:46:36
5965
原创 Equalization Loss理解-更新中
文章目录一、前言二、公式三、Pytorch实现四、参考一、前言二、公式三、Pytorch实现四、参考
2022-04-01 15:15:43
2330
1
原创 遥感影像道路提取:Improved Road Connectivity by Joint Learning of Orientation and Segmentation
文章目录一、道路提取难点二、本文贡献三、方法3.1、方向学习3.2、连接优化3.3、堆叠式多分支模块一、道路提取难点二、本文贡献三、方法3.1、方向学习3.2、连接优化3.3、堆叠式多分支模块...
2022-02-23 16:13:08
8483
1
原创 Numpy:repeat用法图解
一、repeat原理用法:numpy.repeat(a,repeats,axis=None) a：输入数组 repeats: axs:二、实际应用
2022-01-27 11:17:04
3569
原创 Numpy:tile用法图解
一、repeat()根据axis来确定整体来进行复制二、title()用法:numpy.tile(A, reps)参数:A:输入矩阵reps:数组A沿每个轴的重复次数数组复制原理介绍reps的长度为d，复制的结果数组的维度是max(d,A.dims)。如果A的维度小于reps的长度(A.ndim<d)，数组A将会被增加新的轴，新轴的尺寸为1，比如A的形状是(2,3),reps是[2,2,2]，这时reps的长度d=3，数组A的形状A.ndim=2，复制前数组A先增加一个轴，
2022-01-25 17:35:06
2573
原创 论文阅读:Pointnet++
文章目录一、分层点集特征学习1.1、采样层1.2、分组层1.3、PointNet层二、非均匀采样密度下的鲁棒特征学习2.1、多尺度分组(MSG)2.2、多分辨率分组(MRG)三、用于集合分割的点特征传播四、网络结构PointNet是第一个直接在点云上使用深度学习方法来做目标分类和语义分割的模型。不过pointnet由于自身结构的限制导致其不会捕获点与点之间的局部结构，从而限制了其识别细粒度模式的能力和对复杂场景的泛化能力。PointNet++在PointNet的基础上加入了局部特征的学习。一、分层点集特
2021-12-31 13:40:16
2366
原创 点云采样FPS原理及实现
原理python实现pytorch实现参考1、Farthest Point Sampling (FPS)算法核心思想解析2、pointnet2_utils.py
2021-12-31 11:17:47
1658
2
原创 论文阅读:pointnet
文章目录一、点云特性二、网络结构三、关于T-Net的理解参考论文地址:pointnet是第一个直接基于点来做点云深度学习的网络。pointnet网络整体比较简单，我们这里主要以pointnet的语义分割网络来做解释。核心是对称函数和最大池化。一、点云特性无序性相较于二维图像，点云是包含了一些没有特定顺序的点的集合。一个包含N个点的点云可以有N!N!N!种顺序，换句话说，对于一个模型来说，需要保证对于这N!N!N!种不同顺序的输入学习到的是一个相同的结果。相互作用点云中的点与点之间不是孤立
2021-12-30 11:21:19
2429
原创 点云语义分割:pointnet++训练S3DIS数据集
文章目录一、数据预处理二、训练三、测试四、6折交叉验证tensorflow版本的pointnet++没有关于S3DIS数据集训练代码，我尝试参考ScanNet的训练代码改写成训练S3DIS数据集，结果很差。这里我们改用pytorch版本的pointnet++工程，记录一下S3DIS数据集的训练过程。pointnet++工程地址:Pointnet_Pointnet2_pytorch一、数据预处理下载原始数据集，然后执行预处理操作，其实就是将txt格式的点云保存成npy格式。cd data_utils
2021-12-24 16:54:47
2988
11
原创 pointnet源码阅读:训练
文章目录一、参数设置二、数据加载训练三、训练参数设置(会话、模型、操作、损失函数、优化器等)四、单轮训练五、单轮验证这里主要以S3DIS数据集为例来解释一下pointnet的源码博客点云语义分割:PointNet训练S3DIS数据集记录了如何使用pointnet训练S3DIS模型。直接执行train.py就可以了。这里我们就记录一下train.py的每一步操作。大致可以分为参数设置、数据加载、训练参数设置、单轮训练、单轮验证几个过程。一、参数设置参数设置中主要是指定测试集是哪个区域：- -test
2021-12-23 14:03:54
2511
原创 点云语义分割:PointNet训练S3DIS数据集
文章目录一、数据准备1.1、数据下载二、训练三、测试项目地址:pointnet此次我们是用pointnet网络来做语义分割。代码在pointnet项目中的sem_seg文件夹下，里面也有README.md介绍了训练的过程。一、数据准备1.1、数据下载原始数据下载处理好的h5格式数据下载二、训练三、测试...
2021-12-22 11:27:48
3319
2
原创 NumPy之随机数
文章目录一、rand()二、randn()三、randint()四、random()使用Numpy的random模块可以很方便生成随机数，NumPy的random模块主要方法有rand()、randn()、randint()、random()。一、rand()二、randn()三、randint()四、random()...
2021-12-21 10:10:08
527
原创 BAAF-Net源码阅读
BAAF-Net代码是基于RandLANet编写的，所以在数据预处理和训练策略是基本是一致的，这里我们只介绍一下BAAF-Net的网络结构。
2021-12-16 17:36:48
1889
2
原创 3D点云变换(平移、旋转、缩放)C++实现
在前一篇文章3D点云变换(平移、旋转、缩放)以及python实现中详细介绍了点云的一些基础变换原理，也用python做了实现，这次我们用C++来做点云的平移、缩放、旋转变换。
2021-12-08 13:30:34
3144
MODIS影像全球行列号格网矢量数据
2021-03-25
faster rcnn pb模型目标识别C++可执行程序（cpu版本）
2020-09-25
全球中等分辨率海岸线shapefile数据
2020-04-26
遥感专业处理软件PCI 2015破解版+中文使用说明
2019-03-28
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人