人工智能论文关键点概括集结。This project aims to collect key points of AI papers. 扫码加入QQ交流群832405795 ↓
此 repo 旨在记录各 AI 论文具有启发性的核心**。
【2017 CVPR】 PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation
动机：构造具有排列不变性的神经网络- 本文开创 DL 在无序点云上识别的先河，利用核长为1的卷积核对每个点单独升维后使用对称函数（+、max 等）获取具有输入排列不变性的全局点云特征
【2018 CVPR】 Mining Point Cloud Local Structures by Kernel Correlation and Graph Pooling
动机：推广卷积到三维离散点云- 类比卷积核对分布相近数据具有更高激活值的特点，构造可学习的图核，通过局部区域点的分布与图核的相似性计算激活值
【2019 CVPR】 Graph Attention Convolution for Point Cloud Segmentation
动机：引入注意力机制缓解图卷积各向同性问题，避免特征污染- 将离散卷积核设定为相对位置和特征差分的函数，并利用
softmax做归一化
【2019 CVPR】 Drop an Octave: Reducing Spatial Redundancy in Convolutional Neural Networks with Octave Convolution
动机：缓解卷积层在特征图空间频率的冗余- 将卷积通道划分为俩个部分，高分辨率通道存储高频特征，低分辨率通道存储低频特征
- 想学 🐍 Python？欢迎光临 LeetCode最短Python题解 ，和我们深入探索 Python 特性。