MeshCNN Download - MeshCNN Quellcode Download

MeshCNN

Python

1.0.0

Herunterladen

Meshcnn in Pytorch

Siggraph 2019 [Papier] [Projektseite]

Meshcnn ist ein allgemeines tiefes neuronales Netzwerk für 3D-dreieckige Maschen, das für Aufgaben wie 3D-Formklassifizierung oder -Segmentierung verwendet werden kann. Dieser Rahmen umfasst Faltungs-, Pooling- und Unpooling -Schichten, die direkt an den Netzkanten angewendet werden.

Der Code wurde von Rana Hanocka und Amir Hertz mit Unterstützung von NOA Fish geschrieben.

Erste Schritte

Installation

Klonen Sie dieses Repo:

git clone https://github.com/ranahanocka/MeshCNN.git
cd MeshCNN

Installieren Sie Abhängigkeiten: Pytorch Version 1.2. Optional : Tensorboardx für Trainingsdiagramme.
- Über neue Conda Environment conda env create -f environment.yml (schafft eine Umgebung namens Meshcnn)

3D -Formklassifizierung auf SHREC

Laden Sie den Datensatz herunter

bash ./scripts/shrec/get_data.sh

Rennen Sie Training (wenn Conda env zuerst aktiviert werden, source activate meshcnn )

bash ./scripts/shrec/train.sh

Um die Schulungsverlustdiagramme anzuzeigen, läuft in einem anderen Terminal tensorboard --logdir runs und klicken Sie auf http: // localhost: 6006.

Führen Sie die Testnetze aus und exportieren Sie die mittleren gepoolten Maschen:

bash ./scripts/shrec/test.sh

Visualisieren Sie die netzwerkgelehrten Kantenstöcke:

bash ./scripts/shrec/view.sh

Ein Beispiel für Zusammenbrüche für ein Netz:

Beachten Sie, dass Sie auch mit Bash ./scripts/shrec/get_pretrained.sh auch vorgeborene Gewichte abrufen können.

Um die vorgebreiteten Gewichte zu verwenden, rennen Sie train.sh , das die Mittelwert- / Standardabweichung der Trainingsdaten berechnet und speichert.

3D -Formsegmentierung am Menschen

Das gleiche wie oben, um den Datensatz / den Auslaufzug herunterzuladen / vorgeladen / rennen Sie Test / Ansicht

bash ./scripts/human_seg/get_data.sh
bash ./scripts/human_seg/train.sh
bash ./scripts/human_seg/get_pretrained.sh
bash ./scripts/human_seg/test.sh
bash ./scripts/human_seg/view.sh

Einige Beispiele für Segmentierungsergebnisse:

Zusätzliche Datensätze

Dieselben Skripte existieren auch für die CosEG -Segmentierung in scripts/coseg_seg und Cubes -Klassifizierung in scripts/cubes .

Weitere Informationen

Weitere Informationen finden Sie im Meshcnn Wiki. Sehen Sie sich in den Informationen zur Segmentierung und Datenverarbeitung an.

Andere Implementierungen

Point2Mesh Tensorflow -Neuauflagen, die auch Meshcnn enthält
Medmeshcnn, griff Maschen mit 170.000 Kanten

Zitat

Wenn Sie diesen Code nützlich finden, sollten Sie unsere Zeitung zitieren

 @article{hanocka2019meshcnn,
  title={MeshCNN: A Network with an Edge},
  author={Hanocka, Rana and Hertz, Amir and Fish, Noa and Giryes, Raja and Fleishman, Shachar and Cohen-Or, Daniel},
  journal={ACM Transactions on Graphics (TOG)},
  volume={38},
  number={4},
  pages = {90:1--90:12},
  year={2019},
  publisher={ACM}
}