PointNeXt
1.0.0
次の論文の公式Pytorchの実装：
PointNext：トレーニングとスケーリング戦略が改善されたPointNet ++を再訪します
Guocheng Qian、Yuchen Li、Houwen Peng、Jinjie Mai、Hasan Hammoud、Mohamed Elhoseiny、Bernard Ghanem
TL; DR：ポイントネット++を最先端のレベルに高めるための改善されたトレーニングとモデルのスケーリング戦略を提案します。提案されたモデルスケーリングを使用したポイントネット++は、ポイントネットの次のバージョンであるPointNextと呼ばれます。
PointNextプロジェクトでは、ポイントベースのメソッド、つまりオープンポイント用の新しい柔軟なコードベースを提案します。 OpenPointsと他のライブラリの最大の違いは、再現性と公正なベンチマークにもっと焦点を当てることです。
拡張性：ポイントネット、DGCNN、DEEPGCN、ポイントネット++、Assanet、PointMLP 、 PointNextなど、ポイントクラウドの理解のための多くの代表的なネットワークをサポートしています。 OpenPointsは、グラフ畳み込み、自己触媒、最も遠いポイントサンプリング、ボールクエリなどを含む幅広い基本操作をサポートするため、フレームワークに基づいてより多くのネットワークを構築できます。
再現性：実装されたすべてのモデルは、さまざまなタスクで少なくとも3回トレーニングされています。平均±STDは、PointNext Paperに記載されています。事前に保護されたモデルとログが利用可能です。
公正なベンチマーク：PointNextでは、パフォーマンスの増加の大部分はトレーニング戦略によるものです。 OpenPointsでは、すべてのモデルは改善されたトレーニング戦略でトレーニングされており、すべてが報告された値よりもはるかに高い精度を達成しています。
使いやすさ： CFGからのビルドモデル、オプティマイザー、スケジューラ、損失機能、データローダー。 cfg**.yamlファイルを変更するだけで、さまざまなタスクでさまざまなモデルをトレーニングおよび検証します。
model = build_model_from_cfg(cfg.model)
criterion = build_criterion_from_cfg(cfg.criterion_args)
pointnet.yaml （ポイントネットモデルのモデル構成）の例を次に示します。
model :
NAME : BaseCls
encoder_args :
NAME : PointNetEncoder
in_channels : 4
cls_args :
NAME : ClsHead
num_classes : 15
in_channels : 1024
mlps : [ 512 , 256 ]
norm_args :
norm : 'bn1d'オンラインロギング：いつでもどこでも結果をチェックするためにWANDBをサポートします。 wandb.use_wandb=Trueコマンドに設定してください。
環境をインストールするための簡単なバッシュファイルを提供します。
git clone --recurse-submodules [email protected]:guochengqian/PointNeXt.git
cd PointNeXt
source update.sh
source install.sh
CUDA-11.3が必要です。別のCUDAバージョンが使用されている場合は、 install.sh変更します。詳細については、インストールを参照してください。
詳細な手順については、オンラインドキュメントを確認してください。
短い指示：すべての実験は、簡単なルールに従ってトレーニングとテストを行っています。
CUDA_VISIBLE_DEVICES=$GPUs python examples/$task_folder/main.py --cfg $cfg $kwargs
mode=test, --pretrained_path $pretrained_pathある必要があります。 モデル動物園を参照してください。
より多くの例を紙で入手できます。
このライブラリは、Pytorch-Image-ModelsとMMCVに触発されています。
PointNextまたはOpenPoints CodeBaseが便利であることがわかった場合は、引用してください。
@InProceedings{qian2022pointnext,
title = {PointNeXt: Revisiting PointNet++ with Improved Training and Scaling Strategies},
author = {Qian, Guocheng and Li, Yuchen and Peng, Houwen and Mai, Jinjie and Hammoud, Hasan and Elhoseiny, Mohamed and Ghanem, Bernard},
booktitle=Advances in Neural Information Processing Systems (NeurIPS),
year = {2022},
}
