-
课程介绍
课程资料
讲稿下载：（报名后可见）
课程背景
所谓的点云就是指空间中的一组点或者一组向量，用来描述某一个物体。本课程讲解一种叫做PointNet的模型，它可以针对这种点云数据进行加工处理。这种数据在处理的时候一个棘手的问题是数据点的个数是不定长的，有时候多有时少。PointNet提出的一种开创性的想法是利用那种会忽略元素个数信息的操作（例如加法），从而将变长的数据转化为固定长度特征的数据。本课程将详细讲述处理点云数据的深度学习方法。
课程目的
学完本课程，你能做到
了解在点云数据里用 PointNet 做 3D 模型的分类和分割的原理、方法、实现效果
课程详情
本课程的主要内容有：
POINTNET 的研究目的
无人车雷达扫描
判断蛋白质分子结构
PointNet 是如何解决以下问题的：
输入点云的顺序无关性
识别点与点之间的关系
输入点云的变换无关性
解决置换不变性的三种模型
面向无序输入的对称函数模型
PointNet 能够取得的效果
场景语义分割的结果
与其他order-invariant方法的比较
输入和特征转换的有效性
对不完整数据的鲁棒性
点功能的可视化
全局特征的可视化
