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