文献阅读（24）PNN

本文主要是介绍文献阅读（24）PNN，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

• 题目：A Pipelined Point Cloud Based Neural Network Processor for 3-D Vision With Large-Scale Max Pooling Layer Prediction
• 时间：2021
• 期刊：JSSC
• 研究机构：KAIST
• 参考博客：https://zhuanlan.zhihu.com/p/266324173

1 introduction & 缩写

• SG: Sampling-Grouping
• BQ: ball query
  本篇论文的主要贡献：

1. 利用流水线架构加速PNN，是第一个加速PNN的ASIC架构
2. 实现了硬件友好的Sampling-Grouping(SG)算法
3. 对于最大池化层通过预测最大值来加速
4. 通过分块的最大池化预测来掩盖delay

典型的点云网络结构：

关键在于SG层，利用采样从点云中选取中心点个数，并在中心点周围寻找相邻点。

The SGL selects the s number of center points from the point cloud using point sampling algorithms and finds the neighboring points around the center points.

如何进行采样呢？

• sampling：Pointnet++论文中采用了Farthest Point Sample（最远点采样，FPS）算法，先随机选取一个点为起始点，再从剩下n-1个点中找到最远的点，再从剩下n-2个点中找最远的点，以此类推，从而我们从n个点中选取了n1个点
• grouping：降采样得到了n1个点，我们在这n1个点周围，各寻找K各相邻点，此时是$K\times n1$个点.

如何完成grouping操作呢？
可以用K近邻(KNN)，可以用query ball point算法：划定某一半径，找在该半径球内的点作为邻点

这篇关于文献阅读（24）PNN的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---