So-Net 简介
基本信息（可跳过）
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
（原论文的翻译 参考 [[SO-Net:点云分析的自组织网络]]）(https://blog.csdn.net/elliottzheng/article/details/81111915)
本文提出SO-Net，一种用于无序点云深度学习的置换不变网络结构。 SO-Net通过构建自组织映射（SOM）来模拟点云的空间分布。基于SOM，SO-Net对单个点和SOM节点进行分层特征提取，最终用单个特征向量来表示输入点云。网络的感受野可以通过进行点对节点的kNN(k近邻搜索)系统地调整。在识别点云重建，分类，对象部分分割和形状检索等任务中，我们提出的网络表现出的性能与最先进的方法相似或更好。另外，由于所提出的架构的并行性和简单性，所以训练速度比现有的点云识别网络快得多。
本文的主要贡献如下：
-
我们设计了置换不变网络 - 显式利用点云空间分布的SO-Net。
-
通过在SOM上进行点到节点的kNN搜索，可以系统地调整感受野重叠来执行分层特征提取。
-
我们提出一种点云自动编码器作为预训练，以改善各种任务中的网络性能。
-
与最先进的方法相比，在各种应用中获得相似或更好的性能，并且训练速度显著加快。
还有一些论文内容，可以直接看论文或者 这篇博客。本文主要讲解具体内容和细节。
SOM
这篇文章的重点还是SOM。SOM还有SOFM，除了名字不同没找到什么区别。So-Net使用的是神经元排列中的二维平面阵，输出层每个神经元同它周围的其他神经元侧向连接，排列成棋盘状平面，如下图所示。
来张维基百科上的SOM示意图。
简单来说，离数据越近的节点向数据移动的越多，数轮迭代后就可以使用平面阵表示数据。
好了，So-Net 论文翻译也有挺多，直接看下原文或者翻译最好。下面写个程序的解析。