DGCNN (Dynamic Graph CNN for Learning on Point Clouds,动态图卷积网络)
1. 解决问题 1.置换(旋转)不变性、输入顺序不变性 2.平移不变性 3.尺度不变性 ？ 4. 2. 关键思想 DGCNN 认为 pointnet++ 属于静态图卷积： pointnet++ 根据点对的欧氏距离构建图，然后在每一层进行图粗化操作。使用最远点采样选取点作为下一层的输入。这样使得每一层的图不断减小，但是图的结构没有改变。 DGCNN 的动态图，是因为在特征空间取k近邻，每层计算的特征
相关文章
- 1. Dynamic Graph CNN for Learning on Point Clouds 解析
- 2. Dynamic Graph CNN for Learning on Point Clouds 2019 论文笔记
- 3. 【论文笔记】DGCNN：Dynamic Graph CNN for Learning on Point Clouds
- 4. 【3D计算机视觉】Dynamic Graph CNN——点云动态图卷积神经网络
- 5. Linked Dynamic Graph CNN: Learning on Point Cloud via Linking Hierarchical Features 论文笔记 2020-10-06
- 6. Linked Dynamic Graph CNN: Learning on Point Cloud via Linking Hierarchical Features
- 7. LDGCN: Linked Dynamic Graph CNN: Learning on PointCloud via Linking Hierarchical Features 2019 论文笔记
- 8. 图卷积网络GRAPH CONVOLUTIONAL NETWORKS
- 9. 动态卷积（dynamic convolution)
- 10. A GRAPH-CNN FOR 3D POINT CLOUD CLASSIFICATION
- 更多相关文章...
- • 网络协议是什么？ - TCP/IP教程
- • C# 动态数组（ArrayList） - C#教程
- • 算法总结-滑动窗口
- • 使用阿里云OSS+CDN部署前端页面与加速静态资源
相关标签/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
欢迎关注本站公众号,获取更多信息
相关文章
- 1. Dynamic Graph CNN for Learning on Point Clouds 解析
- 2. Dynamic Graph CNN for Learning on Point Clouds 2019 论文笔记
- 3. 【论文笔记】DGCNN：Dynamic Graph CNN for Learning on Point Clouds
- 4. 【3D计算机视觉】Dynamic Graph CNN——点云动态图卷积神经网络
- 5. Linked Dynamic Graph CNN: Learning on Point Cloud via Linking Hierarchical Features 论文笔记 2020-10-06
- 6. Linked Dynamic Graph CNN: Learning on Point Cloud via Linking Hierarchical Features
- 7. LDGCN: Linked Dynamic Graph CNN: Learning on PointCloud via Linking Hierarchical Features 2019 论文笔记
- 8. 图卷积网络GRAPH CONVOLUTIONAL NETWORKS
- 9. 动态卷积（dynamic convolution)
- 10. A GRAPH-CNN FOR 3D POINT CLOUD CLASSIFICATION