IT数码 购物 网址 头条 软件 日历 阅读 图书馆
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
图片批量下载器
↓批量下载图片,美女图库↓
图片自动播放器
↓图片自动播放器↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁
 
   -> 人工智能 -> 【PonintNet++:从Pytorch代码角度理解原理】 -> 正文阅读

[人工智能]【PonintNet++:从Pytorch代码角度理解原理】

PointNet++:从pytorch角度理解原理和代码实现

前言

前几天了解了3D深度学习的入门之作:PointNet(具体原理解释可以点击链接看另一篇博客),今天为Ponint++的理解做篇笔记。最好结合原理和代码来看可以理解的更加深刻。
论文:PointNet++
代码:Pytorch-PointNet++

提出问题

前篇PointNet是对每一个点做从低维到高维的映射的学习,缺点就是没有局部的概念,要么对一个点的操作要么是对所有点的操作,很难对更加精细复杂的场景进行分析。所以作者在PointNet++上做了改进使网络能够更好的提取局部特征分析。

  1. 利用空间距离,使用PointNet对点集局部区域进行特征迭代提取,使其学到局部尺度越来越大的特征。
  2. 针对点集分布不均匀的问题,提出了新的集合学习层,以自适应的组合来自多个尺度的特征。

点云分布不一致时,每个子区域中如果在生成的时候使用相同的半径r,会导致有些区域采样点过少。所以文章提出了两种方法:Multi-scale grouping (MSG) and Multi-resolution grouping (MRG)
在这里插入图片描述
MSG是一种多尺度分组,就是一个中心点,根据不同的尺度生成不同范围的局部区域,每个区域的半径及里面的点的个数不同。中间的实线和虚线表示用PointNet进行特征的提取,之后在concat作为这个中心点的特征。也就是说MSG实际上相当于并联了多个hierarchical structure,每个结构中心点不变,但是区域范围不同。
MRG是一种多分辨率分组。就是对不同层的分组进行concat,低层的区域进行特征提取再和高层的区域进行concat。— ResNet的跳跃连接类似

网络结构

在这里插入图片描述
从图中可以看出,作者在论文中提出了一种SA(set abstraction)层,多层次结合逐步提取更多的局部特征。每个SA层主要由三部分组成:sampling layer, grouping layer, PointNet layer。

Sampling layer: 对输入点进行采样,选取若干中心点。
Grouping layer: 利用中心点划分局部区域。
PointNet layer: 作为特征提取器提取生成的局部特征,类似于CNN中卷积块作为特征提取器,
对应的区域都是n*n的像素区域。在3D点云中,局部区域是生成的球型区域,用PointNet提取区域。

1. Sampling layer
采样层顾名思义就是从输入的点云数据中随机采样,采用的方法是FPS(arthest point sampling),相比于随机采样,这种方法能更好的覆盖整个点集。

FPS算法原理:
1、 从点云中选取第一个点A作为查询点,从剩余点中,选取一个距离最远的点B;
2、以取出来的点A,B作为查询点,从剩余点中,取距离最远的点C。此时,由于已经取出来的点的个数超过1,需要同时考虑所有查询点(A,B)。
方法如下:
对于剩余点中的任意一个点P,计算该点P到已经选中的点集中所有点(A, B)的距 离;取与点A和B的距离最小值作为该点到已选点集的距离d;再计算出每个剩余点到点集的距离后,选取距离最大的那个点,即为点C。
3、 重复第2步,一直采样到N’个点为止。
该方法的pytorch代码如下:

def farthest_point_sample(xyz, npoint):
    """
    Input:
        xyz: pointcloud data, [B, N, 3]
        npoint: number of samples
    Return:
        centroids: sampled pointcloud index, [B, npoint]
    """
    device = xyz.device
    B, N, C = xyz.shape     # [6, 2048, 3]
    centroids = torch.zeros(B, npoint, dtype=torch.long).to(device)    # [6, 1024]。定义中心矩阵,npoint是采样数
    distance = torch.ones(B, N).to(device) * 1e10                      # [6, 2048]。  全局矩阵,N是点云总数2048
    farthest = torch.randint(0, N, (B,), dtype=torch.long).to(device)  # [6]在0-N范围内随机定义最远点矩阵,尺寸是【batch_size】
    batch_indices = torch.arange(B, dtype=torch.long).to(device)       # [6] = [0, 1, 2, 3, 4, 5]。定义batch size的索引
    for i in range(npoint):
        centroids[:, i] = farthest。   #选取最远点赋给中心矩阵作为采样点,对应上述步骤1
        centroid = xyz[batch_indices, farthest, :].view(B, 1, 3)       # [6, 1 ,3] 提取这个最远点的xyz空间坐标信息
        dist = torch.sum((xyz - centroid) ** 2, -1)     # [6, 2048] 计算选取的最远点到所有点的欧式距离
        mask = dist < distance                                         # [6, 2048]。更新distances,记录样本中每个点距离所有已出现的采样点的最小距离。 
        distance[mask] = dist[mask]
        farthest = torch.max(distance, -1)[1]   # 寻找最远点作为下一次迭代使用 
    return centroids

2、Grouping layer
利用上一步生成的中心点矩阵,结合ball query 方法生成空间局部区域。重要的参数有两个,一个是区域中点的个数,另一个是球的半径。

def query_ball_point(radius, nsample, xyz, new_xyz):
    """
    Input:
        radius: local region radius
        nsample: max sample number in local region
        xyz: all points, [B, N, 3]
        new_xyz: query points, [B, S, 3]
    Return:
        group_idx: grouped points index, [B, S, nsample]
    """
    device = xyz.device
    B, N, C = xyz.shape
    _, S, _ = new_xyz.shape
    group_idx = torch.arange(N, dtype=torch.long).to(device).view(1, 1, N).repeat([B, S, 1])   # [B,S,N]=[6, 1024, 2048]
    sqrdists = square_distance(new_xyz, xyz)  # [6, 1024, 2048]. 中心点与所有点之间的欧式距离
    group_idx[sqrdists > radius ** 2] = N # 将距离大于 r^2 的点赋值为N, 其余值保留。
    group_idx = group_idx.sort(dim=-1)[0][:, :, :nsample]      # [6, 1024, 32]生序排列,取出前面的nsample个样本数
#考虑到有可能前nsample个点中也有被赋值为N的点(即球形区域内不足nsample个点),这种点需要舍弃,直接用第一个点来代替即可。
#group_first: [B, S, nsample], 实际就是把group_idx中的第一个点的值复制为了[B, S, nsample]的维度,便利于后面的替换
    group_first = group_idx[:, :, 0].view(B, S, 1).repeat([1, 1, nsample])   # [6, 1024, 32]
    mask = group_idx == N                     # [6, 1024, 32] 找到group_idx中值等于N的点,将这些点的值替换为第一个点的值
    group_idx[mask] = group_first[mask]    
    return group_idx

之后将所有的点云采样分组,便于下一步的特征提取。有sample_and_group和sample_and_group_all两个函数,其区别在于sample_and_group_all直接将所有点作为一个group。

def sample_and_group(npoint, radius, nsample, xyz, points, returnfps=False):
    """
    Input:
        npoint:
        radius:
        nsample:
        xyz: input points position data, [B, N, 3]
        points: input points data, [B, N, D]
    Return:
        new_xyz: sampled points position data, [B, npoint, nsample, 3]
        new_points: sampled points data, [B, npoint, nsample, 3+D]
    """
    B, N, C = xyz.shape     # 6, 2048, 3
    S = npoint              # 1024
    fps_idx = farthest_point_sample(xyz, npoint) # [6, 1024]采样点索引
    new_xyz = index_points(xyz, fps_idx)         # [6, 1024, 3] 将采样点从所有的点中提取出来形成new_xyz。
    idx = query_ball_point(radius, nsample, xyz, new_xyz)   # [6, 1024, 32]生成局部区域的索引,有S个中心,每个有nsample个采样点的索引。
    grouped_xyz = index_points(xyz, idx) # [B, npoint, nsample, C]  [6, 1024, 32, 3]根据索引从所有数据中挑选出分组区域
    grouped_xyz_norm = grouped_xyz - new_xyz.view(B, S, 1, C)# 每个区域的点减去区域的中心值
# 如果每个点上面有新的特征的维度,则用新的特征与旧的特征拼接,否则直接返回旧的特征
    if points is not None:
        grouped_points = index_points(points, idx)       # [6, 1024, 32, 9]
        new_points = torch.cat([grouped_xyz_norm, grouped_points], dim=-1) # [B, npoint, nsample, C+D]=[6, 1024, 32, 12]
    else:
        new_points = grouped_xyz_norm
    if returnfps:
        return new_xyz, new_points, grouped_xyz, fps_idx
    else:
        return new_xyz, new_points


def sample_and_group_all(xyz, points):
    """
    Input:
        xyz: input points position data, [B, N, 3]
        points: input points data, [B, N, D]
    Return:
        new_xyz: sampled points position data, [B, 1, 3]
        new_points: sampled points data, [B, 1, N, 3+D]
    """
    device = xyz.device
    B, N, C = xyz.shape
    new_xyz = torch.zeros(B, 1, C).to(device)
    grouped_xyz = xyz.view(B, 1, N, C)
    if points is not None:
        new_points = torch.cat([grouped_xyz, points.view(B, 1, N, -1)], dim=-1)
    else:
        new_points = grouped_xyz
    return new_xyz, new_points

3、PointNet layer
PointNet layer就是将选取的局部区域进行特征的提取。首先先通过sample_and_group的操作形成局部的group,然后对局部的group中的每一个点做MLP操作,最后进行局部的最大池化,得到局部的全局特征。

class PointNetSetAbstraction(nn.Module):
    def __init__(self, npoint, radius, nsample, in_channel, mlp, group_all):   # [1024,0.1,32,12,[32,32,64],false]
        super(PointNetSetAbstraction, self).__init__()
        self.npoint = npoint
        self.radius = radius
        self.nsample = nsample
        self.mlp_convs = nn.ModuleList()
        self.mlp_bns = nn.ModuleList()
        last_channel = in_channel
        for out_channel in mlp:
            self.mlp_convs.append(nn.Conv2d(last_channel, out_channel, 1))
            self.mlp_bns.append(nn.BatchNorm2d(out_channel))
            last_channel = out_channel
        self.group_all = group_all

    def forward(self, xyz, points):
        """
        Input:
            xyz: input points position data, [B, C, N]
            points: input points data, [B, D, N]
        Return:
            new_xyz: sampled points position data, [B, C, S]
            new_points_concat: sample points feature data, [B, D', S]
        """
        xyz = xyz.permute(0, 2, 1)   # [6, 3, 2048] --- [6, 2048, 3] 
        if points is not None:
            points = points.permute(0, 2, 1)      # [6, 2048, 9]

        if self.group_all:
            new_xyz, new_points = sample_and_group_all(xyz, points)
        else:
            new_xyz, new_points = sample_and_group(self.npoint, self.radius, self.nsample, xyz, points)
        # new_xyz: sampled points position data, [B, npoint, C]     [6, 1024, 3]
        # new_points: sampled points data, [B, npoint, nsample, C+D]   [6, 1024, 3+9]
        new_points = new_points.permute(0, 3, 2, 1) # [B, C+D, nsample,npoint]   [6, 12, 32, 1024]
#利用1x1的2d的卷积相当于把每个group当成一个通道,共npoint个通道,对[C+D, nsample]的维度上做逐像素的卷积,结果相当于对单个C+D维度做1d的卷积。
        for i, conv in enumerate(self.mlp_convs):
            bn = self.mlp_bns[i]
            new_points =  F.relu(bn(conv(new_points)))
 # 对每个group做一个max pooling得到局部的全局特征
        new_points = torch.max(new_points, 2)[0]         # [6, 64, 1024]
        new_xyz = new_xyz.permute(0, 2, 1)          # [6, 1024, 3] -- [ 6, 3, 1024]
        return new_xyz, new_points

SA层加入MSG后的代码类似,只不过输入的半径不仅仅是一个了,而是一个列表,然后做ball_quary,最终将不同半径下的点点云特征保存在new_points_list中,再最后拼接到一起。

class PointNetSetAbstractionMsg(nn.Module):
    def __init__(self, npoint, radius_list, nsample_list, in_channel, mlp_list):
        super(PointNetSetAbstractionMsg, self).__init__()
        self.npoint = npoint
        self.radius_list = radius_list
        self.nsample_list = nsample_list
        self.conv_blocks = nn.ModuleList()
        self.bn_blocks = nn.ModuleList()
        for i in range(len(mlp_list)):
            convs = nn.ModuleList()
            bns = nn.ModuleList()
            last_channel = in_channel + 3
            for out_channel in mlp_list[i]:
                convs.append(nn.Conv2d(last_channel, out_channel, 1))
                bns.append(nn.BatchNorm2d(out_channel))
                last_channel = out_channel
            self.conv_blocks.append(convs)
            self.bn_blocks.append(bns)

    def forward(self, xyz, points):
        """
        Input:
            xyz: input points position data, [B, C, N]
            points: input points data, [B, D, N]
        Return:
            new_xyz: sampled points position data, [B, C, S]
            new_points_concat: sample points feature data, [B, D', S]
        """
        xyz = xyz.permute(0, 2, 1)
        if points is not None:
            points = points.permute(0, 2, 1)

        B, N, C = xyz.shape
        S = self.npoint
        new_xyz = index_points(xyz, farthest_point_sample(xyz, S))
        new_points_list = []
        for i, radius in enumerate(self.radius_list):
            K = self.nsample_list[i]
            group_idx = query_ball_point(radius, K, xyz, new_xyz)
            grouped_xyz = index_points(xyz, group_idx)
            grouped_xyz -= new_xyz.view(B, S, 1, C)
            if points is not None:
                grouped_points = index_points(points, group_idx)
                grouped_points = torch.cat([grouped_points, grouped_xyz], dim=-1)
            else:
                grouped_points = grouped_xyz

            grouped_points = grouped_points.permute(0, 3, 2, 1)  # [B, D, K, S]
            for j in range(len(self.conv_blocks[i])):
                conv = self.conv_blocks[i][j]
                bn = self.bn_blocks[i][j]
                grouped_points =  F.relu(bn(conv(grouped_points)))
            new_points = torch.max(grouped_points, 2)[0]  # [B, D', S]
            new_points_list.append(new_points)

        new_xyz = new_xyz.permute(0, 2, 1)
        new_points_concat = torch.cat(new_points_list, dim=1)
        return new_xyz, new_points_concat

细节部分已经讲完,接下来就是整体的主体部分。
在这里插入图片描述
如果是分类任务,整体结构看上图的下部分。实际进行了两个SA层进行局部的特征提取,得到更加精细的特征,整体上和CNN类似。第三个SA其实就是对所有的点的特征提取,所以group_al l= True。再进行全连接层最终得到分类。

class get_model(nn.Module):
    def __init__(self,num_class,normal_channel=True):
        super(get_model, self).__init__()
        in_channel = 3 if normal_channel else 0
        self.normal_channel = normal_channel
        self.sa1 = PointNetSetAbstractionMsg(512, [0.1, 0.2, 0.4], [16, 32, 128], in_channel,[[32, 32, 64], [64, 64, 128], [64, 96, 128]])
        self.sa2 = PointNetSetAbstractionMsg(128, [0.2, 0.4, 0.8], [32, 64, 128], 320,[[64, 64, 128], [128, 128, 256], [128, 128, 256]])
        self.sa3 = PointNetSetAbstraction(None, None, None, 640 + 3, [256, 512, 1024], True)
        self.fc1 = nn.Linear(1024, 512)
        self.bn1 = nn.BatchNorm1d(512)
        self.drop1 = nn.Dropout(0.4)
        self.fc2 = nn.Linear(512, 256)
        self.bn2 = nn.BatchNorm1d(256)
        self.drop2 = nn.Dropout(0.5)
        self.fc3 = nn.Linear(256, num_class)

    def forward(self, xyz):
        B, _, _ = xyz.shape
        if self.normal_channel:
            norm = xyz[:, 3:, :]
            xyz = xyz[:, :3, :]
        else:
            norm = None
        l1_xyz, l1_points = self.sa1(xyz, norm)
        l2_xyz, l2_points = self.sa2(l1_xyz, l1_points)
        l3_xyz, l3_points = self.sa3(l2_xyz, l2_points)
        x = l3_points.view(B, 1024)
        x = self.drop1(F.relu(self.bn1(self.fc1(x))))
        x = self.drop2(F.relu(self.bn2(self.fc2(x))))
        x = self.fc3(x)
        x = F.log_softmax(x, -1)
        
        return x,l3_points

但是对于分割的任务,我们还需要将点集上采样回原始点集数量,这里使用了分层的差值方法。代码为:

class PointNetFeaturePropagation(nn.Module):
    def __init__(self, in_channel, mlp):
        super(PointNetFeaturePropagation, self).__init__()
        self.mlp_convs = nn.ModuleList()
        self.mlp_bns = nn.ModuleList()
        last_channel = in_channel
        for out_channel in mlp:
            self.mlp_convs.append(nn.Conv1d(last_channel, out_channel, 1))
            self.mlp_bns.append(nn.BatchNorm1d(out_channel))
            last_channel = out_channel

    def forward(self, xyz1, xyz2, points1, points2):
        """
        Input:
            xyz1: input points position data, [B, C, N]
            xyz2: sampled input points position data, [B, C, S]
            points1: input points data, [B, D, N]
            points2: input points data, [B, D, S]
        Return:
            new_points: upsampled points data, [B, D', N]
        """
        xyz1 = xyz1.permute(0, 2, 1)     # [6, 3, 64]--- [6, 64, 3 ]
        xyz2 = xyz2.permute(0, 2, 1)     # [6, 3, 16]---- [6, 16, 3]

        points2 = points2.permute(0, 2, 1)   # [6, 512, 16]--- [6, 16, 512]
        B, N, C = xyz1.shape    # [6, 64, 3]
        _, S, _ = xyz2.shape    # 16

        if S == 1:
            interpolated_points = points2.repeat(1, N, 1)
        else:
            dists = square_distance(xyz1, xyz2)     # [6, 64, 16]
            dists, idx = dists.sort(dim=-1)         # [6, 64, 16]
            dists, idx = dists[:, :, :3], idx[:, :, :3]  # [B, N, 3] [6, 64, 3]

            dist_recip = 1.0 / (dists + 1e-8)
            norm = torch.sum(dist_recip, dim=2, keepdim=True)     # [6, 64, 1]
            weight = dist_recip / norm                            # [6, 64, 3]
            interpolated_points = torch.sum(index_points(points2, idx) * weight.view(B, N, 3, 1), dim=2)    # [6, 64, 512]

        if points1 is not None:
            points1 = points1.permute(0, 2, 1)    # [6, 64, 256]
            new_points = torch.cat([points1, interpolated_points], dim=-1)   # [6, 64, 768]
        else:
            new_points = interpolated_points

        new_points = new_points.permute(0, 2, 1)        # [6, 768, 64]
        for i, conv in enumerate(self.mlp_convs):
            bn = self.mlp_bns[i]
            new_points = F.relu(bn(conv(new_points)))
        return new_points

分割整体的结构为:

class get_model(nn.Module):
    def __init__(self, num_classes):   # num_classes = 13
        super(get_model, self).__init__()
        self.sa1 = PointNetSetAbstraction(1024, 0.1, 32, 9 + 3, [32, 32, 64], False)
        self.sa2 = PointNetSetAbstraction(256, 0.2, 32, 64 + 3, [64, 64, 128], False)
        self.sa3 = PointNetSetAbstraction(64, 0.4, 32, 128 + 3, [128, 128, 256], False)
        self.sa4 = PointNetSetAbstraction(16, 0.8, 32, 256 + 3, [256, 256, 512], False)
        self.fp4 = PointNetFeaturePropagation(768, [256, 256])
        self.fp3 = PointNetFeaturePropagation(384, [256, 256])
        self.fp2 = PointNetFeaturePropagation(320, [256, 128])
        self.fp1 = PointNetFeaturePropagation(128, [128, 128, 128])
        self.conv1 = nn.Conv1d(128, 128, 1)
        self.bn1 = nn.BatchNorm1d(128)
        self.drop1 = nn.Dropout(0.5)
        self.conv2 = nn.Conv1d(128, num_classes, 1)

    def forward(self, xyz):
        l0_points = xyz          # [6, 9, 2048]
        l0_xyz = xyz[:,:3,:]     # [6, 3, 2048]

        l1_xyz, l1_points = self.sa1(l0_xyz, l0_points)    #  [6, 3, 1024], [6, 64, 1024]
        l2_xyz, l2_points = self.sa2(l1_xyz, l1_points)    #  [6, 3, 256], [6, 128, 256]
        l3_xyz, l3_points = self.sa3(l2_xyz, l2_points)    #  [6, 3, 64], [6, 256, 64]
        l4_xyz, l4_points = self.sa4(l3_xyz, l3_points)    #  [6, 3, 16], [6, 512, 16]

        l3_points = self.fp4(l3_xyz, l4_xyz, l3_points, l4_points)    # [6, 256, 64]
        l2_points = self.fp3(l2_xyz, l3_xyz, l2_points, l3_points)    # [6, 256, 256]
        l1_points = self.fp2(l1_xyz, l2_xyz, l1_points, l2_points)    # [6, 128, 1024]
        l0_points = self.fp1(l0_xyz, l1_xyz, None, l1_points)         # [6, 128, 2048]

        x = self.drop1(F.relu(self.bn1(self.conv1(l0_points))))
        x = self.conv2(x)       # [6, 128, 2048] ---- [6, 13, 2048]
        x = F.log_softmax(x, dim=1)
        x = x.permute(0, 2, 1)         # [6, 2048, 13]
        print(f'x的尺寸:{x.shape}, l4_points的尺寸:{l4_points.shape}')
        return x, l4_points

好啦,网络结构已经分析完了,结束。

参考

PointNet++ 论文及代码解读
PointNet++详解与代码
PointNet++具体实现详解----这里面有个运算图也可以帮助理解。
PointNet++的pytorch实现代码阅读

  人工智能 最新文章
2022吴恩达机器学习课程——第二课(神经网
第十五章 规则学习
FixMatch: Simplifying Semi-Supervised Le
数据挖掘Java——Kmeans算法的实现
大脑皮层的分割方法
【翻译】GPT-3是如何工作的
论文笔记:TEACHTEXT: CrossModal Generaliz
python从零学(六)
详解Python 3.x 导入(import)
【答读者问27】backtrader不支持最新版本的
上一篇文章      下一篇文章      查看所有文章
加:2022-01-03 16:05:23  更:2022-01-03 16:06:01 
 
开发: C++知识库 Java知识库 JavaScript Python PHP知识库 人工智能 区块链 大数据 移动开发 嵌入式 开发工具 数据结构与算法 开发测试 游戏开发 网络协议 系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑 笔记本 显卡 显示器 固态硬盘 硬盘 耳机 手机 iphone vivo oppo 小米 华为 单反 装机 图拉丁

360图书馆 购物 三丰科技 阅读网 日历 万年历 2024年11日历 -2024/11/26 22:37:24-

图片自动播放器
↓图片自动播放器↓
TxT小说阅读器
↓语音阅读,小说下载,古典文学↓
一键清除垃圾
↓轻轻一点,清除系统垃圾↓
图片批量下载器
↓批量下载图片,美女图库↓
  网站联系: qq:121756557 email:121756557@qq.com  IT数码