So-Net 簡介
基本信息(可跳過)
SO-Net: Self-Organizing Network for Point Cloud Analysis. CVPR 2018, Salt Lake City, USA Jiaxin Li, Ben M. Chen, Gim Hee Lee, National University of Singapore.
SO-Net is a deep network architecture that processes 2D/3D point clouds. It enables various applications including but not limited to classification, shape retrieval, segmentation, reconstruction. The arXiv version of SO-Net can be found here and the code can be found here.
Abstract
(原論文的翻譯 參考 [[SO-Net:點雲分析的自組織網絡]])(https://blog.csdn.net/elliottzheng/article/details/81111915)
本文提出SO-Net,一種用於無序點雲深度學習的置換不變網絡結構。 SO-Net通過構建自組織映射(SOM)來模擬點雲的空間分佈。基於SOM,SO-Net對單個點和SOM節點進行分層特徵提取,最終用單個特徵向量來表示輸入點雲。網絡的感受野可以通過進行點對節點的kNN(k近鄰搜索)系統地調整。在識別點雲重建,分類,對象部分分割和形狀檢索等任務中,我們提出的網絡表現出的性能與最先進的方法相似或更好。另外,由於所提出的架構的並行性和簡單性,所以訓練速度比現有的點雲識別網絡快得多。
本文的主要貢獻如下:
-
我們設計了置換不變網絡 - 顯式利用點雲空間分佈的SO-Net。
-
通過在SOM上進行點到節點的kNN搜索,可以系統地調整感受野重疊來執行分層特徵提取。
-
我們提出一種點雲自動編碼器作爲預訓練,以改善各種任務中的網絡性能。
-
與最先進的方法相比,在各種應用中獲得相似或更好的性能,並且訓練速度顯著加快。
還有一些論文內容,可以直接看論文或者 這篇博客。本文主要講解具體內容和細節。
SOM
這篇文章的重點還是SOM。SOM還有SOFM,除了名字不同沒找到什麼區別。So-Net使用的是神經元排列中的二維平面陣,輸出層每個神經元同它周圍的其他神經元側向連接,排列成棋盤狀平面,如下圖所示。
來張維基百科上的SOM示意圖。
簡單來說,離數據越近的節點向數據移動的越多,數輪迭代後就可以使用平面陣表示數據。
好了,So-Net 論文翻譯也有挺多,直接看下原文或者翻譯最好。下面寫個程序的解析。