PointNeXt
1.0.0
다음 논문의 공식 Pytorch 구현 :
PointNext : 교육 및 스케일링 전략이 향상된 PointNet ++ 재 방문
Guocheng Qian, Yuchen Li, Houwen Peng, Jinjie Mai, Hasan Hammoud, Mohamed Elhoseiny, Bernard Ghanem
TL; DR : PointNet ++를 최첨단 수준으로 향상시키기위한 개선 된 교육 및 모델 스케일링 전략을 제안합니다. 제안 된 모델 스케일링을 사용한 PointNet ++는 다음 버전의 PointNext 인 PointNext로 명명되었습니다.
PointNext 프로젝트에서는 포인트 기반 방법, 즉 OpenPoints 에 대한 새롭고 유연한 코드베이스를 제안합니다. OpenPoints와 다른 라이브러리의 가장 큰 차이점은 재현성과 공정한 벤치마킹에 더 집중한다는 것입니다.
Extensibility : PointNet, DGCNN, DeepGCN, PointNet ++, Assanet, PointMlp 및 PointNext 와 같은 Point Cloud 이해를위한 많은 대표 네트워크를 지원합니다. OpenPoints는 그래프 컨벤션, 자체 정보, 가장 먼 지점 샘플링, 볼 쿼리 등을 포함한 광범위한 기본 작업을 지원하기 때문에 더 많은 네트워크를 쉽게 구축 할 수 있습니다.
재현성 : 모든 구현 된 모델은 다양한 작업에 대해 최소한 세 번 교육됩니다. 평균 ± STD는 PointNext 용지에 제공됩니다. 사전 예방 모델과 로그를 사용할 수 있습니다.
공정한 벤치마킹 : PointNext에서, 우리는 성능 이득의 많은 부분이 훈련 전략 때문이라고 생각합니다. 오픈 포인트에서 모든 모델은 개선 된 교육 전략으로 교육을 받고 모두 원래보고 된 가치보다 훨씬 높은 정확도를 달성합니다.
사용 편의성 : CFG에서 모델, 최적화, 스케줄러, 손실 기능 및 데이터 로더를 쉽게 빌드합니다 . 단순히 cfg**.yaml 파일을 변경하여 다양한 작업에서 다양한 모델을 교육하고 검증하십시오.
model = build_model_from_cfg(cfg.model)
criterion = build_criterion_from_cfg(cfg.criterion_args)
다음은 pointnet.yaml 의 예입니다 (PointNet 모델의 모델 구성) :
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' 온라인 로깅 : 언제 어디서나 결과를 확인할 수있는 Wandb를 지원하십시오 . 명령에서 wandb.use_wandb=True 설정합니다.
환경을 설치하기위한 간단한 bash 파일을 제공합니다.
git clone --recurse-submodules [email protected]:guochengqian/PointNeXt.git
cd PointNeXt
source update.sh
source install.sh
CUDA-11.3이 필요합니다. 다른 CUDA 버전을 사용하는 경우 install.sh 수정하십시오. 자세한 내용은 설치를 참조하십시오.
자세한 지침은 온라인 문서를 확인하십시오.
짧은 지침 : 모든 실험은 간단한 규칙을 따르고 훈련하고 테스트합니다.
CUDA_VISIBLE_DEVICES=$GPUs python examples/$task_folder/main.py --cfg $cfg $kwargs
mode=test, --pretrained_path $pretrained_path 여야합니다. 모델 동물원을 참조하십시오.
더 많은 예제가 논문에서 제공됩니다.
이 라이브러리는 Pytorch-Image-Models 및 MMCV에서 영감을 얻었습니다.
PointNext 또는 OpenPoints CodeBase 유용한 것을 찾으면 다음을 인용하십시오.
@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},
}
