> For the complete documentation index, see [llms.txt](https://akitumn.gitbook.io/pointcloudwork/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://akitumn.gitbook.io/pointcloudwork/dian-yun-xiang-guan-shen-du-xue-xi-mo-xing/pointnet++.md).

# PointNet++

本文发表在2017年的CVPR会议上，PointNet++是在PointNet的基础上进行了改进和扩展的深度学习模型。

## 原文链接

论文原文链接：<https://arxiv.org/abs/1706.02413>

{% file src="/files/E74GPQwhqF0jj5kQwsgz" %}
点击下载论文原文
{% endfile %}

\
Github基于Pytorch的实现链接同上PointNet

## 简介

之前很少有人研究点云的深度学习，PointNet 是这方面的先驱。但是，PointNet的设计并不能捕捉点所在度量空间所引起的局部结构，这限制了它识别细粒度模式和适用于复杂场景的能力。在本研究中，我们介绍了一种分层神经网络，将PointNet递归地应用于输入点集的嵌套分割中。通过利用度量空间距离，我们的网络能够学习具有不断增加的上下文规模的局部特征。通过进一步观察，我们发现点集通常以不同的密度进行采样，这导致在均匀密度下训练的网络性能大大降低。因此，我们提出了新的集合学习层，以自适应地组合来自多个规模的特征。实验表明，我们的网络称为PointNet++能够高效且稳健地学习深度点集特征。特别是，在3D点云具有挑战性的基准测试中，取得了显著优于现有技术水平的结果。