s3dis詳解:從特點到應用

一、什麼是s3dis

s3dis,即Stanford Large-Scale 3D Indoor Spaces Dataset,是斯坦福大學發布的大規模室內三維空間數據集。它包含了6個建築物的室內三維地圖和物體標註數據,其中每個建築物的數據集都包含了數千個點雲和高質量的渲染圖像。s3dis提供了豐富的數據資源,被廣泛應用於室內場景分割、多視角圖像生成、室內導航等方向的研究領域。

二、s3dis的數據組成

s3dis的數據集包含了6個建築物的室內空間,共計超過270萬點的點雲數據,以及高質量的渲染圖像和物體標註數據。其中包括了辦公室、教室、會議室、走廊、洗手間等常見室內場景。在每個建築物中,數據集以房間為單位進行劃分,並標註出了房間中的物體類型,如桌子、椅子、地毯等。

下面是s3dis數據集的一些統計信息:

Building A: 4532 room scans
            31 object categories
            9 object instances
 
Building B: 5063 room scans
            27 object categories
            4 object instances
 
Building C: 5463 room scans
            27 object categories
            4 object instances
 
Building D: 5117 room scans
            27 object categories
            4 object instances
 
Building E: 5292 room scans
            27 object categories
            4 object instances
 
Building F: 5117 room scans
            27 object categories
            4 object instances

除了點雲數據、渲染圖像和物體標註數據,s3dis還提供了每個物體在室內的3D坐標、旋轉角度和尺寸信息,這為室內場景重建、物體識別提供了有力支撐。

三、s3dis的應用場景

由於s3dis數據集具有真實、多樣、明確的標註信息,因此在室內場景分割、多視角圖像生成、室內導航等領域得到了廣泛應用。

四、s3dis的使用示例

1. 室內場景分割

在室內場景分割方面,s3dis數據集被廣泛應用。下面,我們通過使用s3dis數據集訓練模型,實現一個室內場景分割的樣例。我們使用tensorflow框架和pointnet++網路結構來實現場景分割。

import numpy as np
import tensorflow as tf
import os
import sys
import time

## 定義pointnet++網路結構
def pointnet2_ssg(inputs, is_training, bn_decay=None):
    # todo: add pointnet++ ssg
    return seg_pred

## 數據讀取
def load_data(data_dir):
    # todo: load s3dis data
    return data, label

if __name__ == '__main__':
    data_dir = 'data/s3dis'
    model_dir = 'model/s3dis'
    if not os.path.exists(model_dir):
        os.makedirs(model_dir)

    tf.reset_default_graph()
    pointclouds_pl = tf.placeholder(tf.float32, shape=(32, 4096, 6))
    labels_pl = tf.placeholder(tf.int32, shape=(32, 4096))
    is_training_pl = tf.placeholder(tf.bool, shape=())

    batch_size = 32
    num_point = 4096
    num_classes = 13
    learning_rate = 0.001
    max_epoch = 250

    with tf.device('/gpu:0'):
        logits = pointnet2_ssg(pointclouds_pl, is_training=is_training_pl, bn_decay=0.7)
        loss = tf.nn.sparse_softmax_cross_entropy_with_logits(logits=logits, labels=labels_pl)
        loss = tf.reduce_mean(loss)

        tf.summary.scalar('loss', loss)

        if bn_decay is not None:
            update_ops = tf.get_collection(tf.GraphKeys.UPDATE_OPS)
            with tf.control_dependencies(update_ops):
                optimizer = tf.train.AdamOptimizer(learning_rate)
                train_op = optimizer.minimize(loss)

    saver = tf.train.Saver()

    ## 數據讀取
    data, label = load_data(data_dir)
    num_data = data.shape[0]

    ## 開始訓練
    with tf.Session() as sess:
        sess.run(tf.global_variables_initializer())
        file_writer = tf.summary.FileWriter('logs', sess.graph)

        for epoch in range(max_epoch):
            idx = np.arange(num_data)
            np.random.shuffle(idx)
            total_loss = 0

            ## 按批次進行訓練
            for from_idx in range(0, num_data, batch_size):
                to_idx = min(from_idx + batch_size, num_data)
                batch_data = data[idx[from_idx:to_idx], :, :]
                batch_label = label[idx[from_idx:to_idx], :]

                ## 訓練一個批次
                _, batch_loss, batch_logits, summary = sess.run([train_op, loss, logits, merged_summary_op], feed_dict={
                    pointclouds_pl: batch_data,
                    labels_pl: batch_label,
                    is_training_pl: True
                })

                total_loss += batch_loss

            print('Epoch %d, loss %.4f' % (epoch, total_loss))

            ## 每十個epoch保存一次模型
            if epoch % 10 == 0:
                saver.save(sess, os.path.join(model_dir, 'model.ckpt'), global_step=epoch)

2. 多視角圖像生成

s3dis數據集包含了大量的高質量渲染圖像,這為多視角圖像生成提供了有力支撐。下面,我們通過使用s3dis數據集中的渲染圖像,訓練一個GAN網路來生成室內場景中的多視角圖像。

## 定義GAN網路結構
def generator(inputs, is_training):
    # todo: add generator network
    return gen_output

def discriminator(inputs, is_training):
    # todo: add discriminator network
    return dis_output

## 數據讀取
def load_data(data_dir):
    # todo: load s3dis data
    return data, label, imgs

if __name__ == '__main__':
    data_dir = 'data/s3dis'
    model_dir = 'model/s3dis'
    if not os.path.exists(model_dir):
        os.makedirs(model_dir)

    tf.reset_default_graph()
    z_ph = tf.placeholder(tf.float32, shape=(32, 100))
    img_ph = tf.placeholder(tf.float32, shape=(32, 224, 224, 3))
    is_training = tf.placeholder(tf.bool, shape=())

    ## 定義GAN網路
    gen_output = generator(z_ph, is_training=is_training)
    dis_real = discriminator(img_ph, is_training=is_training)
    dis_fake = discriminator(gen_output, is_training=is_training, reuse=True)

    ## 定義損失函數
    d_loss_real = tf.reduce_mean(tf.nn.sigmoid_cross_entropy_with_logits(logits=dis_real, labels=tf.ones_like(dis_real)))
    d_loss_fake = tf.reduce_mean(tf.nn.sigmoid_cross_entropy_with_logits(logits=dis_fake, labels=tf.zeros_like(dis_fake)))
    d_loss = d_loss_real + d_loss_fake

    g_loss = tf.reduce_mean(tf.nn.sigmoid_cross_entropy_with_logits(logits=dis_fake, labels=tf.ones_like(dis_fake)))

    tf.summary.scalar("d_loss", d_loss)
    tf.summary.scalar("g_loss", g_loss)

    ## 定義優化器
    gen_vars = [var for var in tf.trainable_variables() if 'Generator' in var.name]
    dis_vars = [var for var in tf.trainable_variables() if 'Discriminator' in var.name]

    gan_optimizer = tf.train.AdamOptimizer(learning_rate=1e-4)
    dis_optimizer = tf.train.AdamOptimizer(learning_rate=2e-4)
    gen_optimizer = tf.train.AdamOptimizer(learning_rate=2e-4)

    gan_train = gan_optimizer.minimize(g_loss, var_list=gen_vars, global_step=tf.train.get_global_step())
    dis_train = dis_optimizer.minimize(d_loss, var_list=dis_vars, global_step=tf.train.get_global_step())
    gen_train = gen_optimizer.minimize(g_loss, var_list=gen_vars, global_step=tf.train.get_global_step())

    saver = tf.train.Saver()

    ## 數據讀取
    data, label, imgs = load_data(data_dir)
    num_data = data.shape[0]

    ## 開始訓練
    with tf.Session() as sess:
        sess.run(tf.global_variables_initializer())
        file_writer = tf.summary.FileWriter('logs', sess.graph)
        merged_summary_op = tf.summary.merge_all()

        for epoch in range(max_epoch):
            idx = np.arange(num_data)
            np.random.shuffle(idx)
            total_d_loss, total_g_loss = 0, 0

            ## 按批次進行訓練
            for from_idx in range(0, num_data, batch_size):
                to_idx = min(from_idx + batch_size, num_data)
                batch_z = np.random.normal(size=[batch_size, 100])

                ## 訓練判別器
                _, batch_d_loss, summary = sess.run([dis_train, d_loss, merged_summary_op], feed_dict={
                    z_ph: batch_z,
                    img_ph: imgs[idx[from_idx:to_idx]],
                    is_training: True
                })
                total_d_loss += batch_d_loss

                ## 訓練生成器
                _, batch_g_loss, summary = sess.run([gen_train, g_loss, merged_summary_op], feed_dict={
                    z_ph: batch_z,
                    is_training: True
                })
                total_g_loss += batch_g_loss

            print('Epoch %d, d_loss %.4f, g_loss %.4f' % (epoch, total_d_loss, total_g_loss))

            ## 每十個epoch保存一次模型
            if epoch % 10 == 0:
                saver.save(sess, os.path.join(model_dir, 'model.ckpt'), global_step=epoch)

3. 室內導航

利用s3dis數據集,我們可以實現室內導航系統。下面,我們通過使用s3dis數據集和強化學習演算法,訓練一個智能體來實現室內導航。

import numpy as np
import tensorflow as tf
import os
import sys
import time

## 定義DQN網路結構
def DQN(state_ph, action_ph, is_training):
# todo: add DQN network
return Q

## 數據讀取
def load_data(data_dir):
# todo: load s3dis data
return data, label, nav_path

if __name__ == '__main__':
data_dir = 'data/s3dis'
model_dir = 'model/s3dis'
if not os.path.exists(model_dir):
os.makedirs(model_dir)

tf.reset_default_graph()
state_ph = tf.placeholder(tf.float32, shape=(None, 4096, 6))
action_ph = tf.placeholder(tf.int32, shape=(None,))
is_training = tf.placeholder(tf.bool, shape=())

## 定義DQN網路
Q = DQN(state_ph, action_ph, is_training=is_training)

## 定義損失函數和優化器
target_ph = tf.placeholder(tf.float32, shape=(None,))
action_one_hot = tf.one_hot(action_ph, num_action)
Q_pred = tf.reduce_sum(tf.multiply(Q, action_one_hot), axis=1)
loss = tf.reduce_mean(tf.square(Q_pred - target_ph))
optimizer = tf.train.AdamOptimizer(learning_rate=1e-3)
train_op = optimizer.minimize(loss)

saver = tf.train.Saver()

## 數據讀取
data, label, nav_path = load_data(data_dir)
num_data = data.shape[0]

## 開始訓練
with tf.Session() as sess:
sess.run(tf.global_variables_initializer())
file_writer = tf.summary.FileWriter('logs', sess.graph)

for epoch in range(max_epoch):
idx = np.arange(num_data)
np.random.shuffle(idx)
total_loss = 0

## 按批次進行訓練
for from_idx in range(0, num_data, batch_size):
to_idx = min(from_idx + batch_size, num_data)
batch_data = data[idx[from_idx:to_idx], :, :]
batch_nav_path = nav_path[idx[from_idx:to_idx], :, :]

## 訓練一個批次
Q_pred_ = sess.run(Q, feed_dict={
state_ph: batch_data,
is_training: False
})

## 以一定的概率採取隨機

原創文章,作者:KNBLL,如若轉載,請註明出處:https://www.506064.com/zh-tw/n/334569.html

(0)
打賞 微信掃一掃 微信掃一掃 支付寶掃一掃 支付寶掃一掃
KNBLL的頭像KNBLL
上一篇 2025-02-05 13:05
下一篇 2025-02-05 13:05

相關推薦

  • 神經網路代碼詳解

    神經網路作為一種人工智慧技術,被廣泛應用於語音識別、圖像識別、自然語言處理等領域。而神經網路的模型編寫,離不開代碼。本文將從多個方面詳細闡述神經網路模型編寫的代碼技術。 一、神經網…

    編程 2025-04-25
  • Linux sync詳解

    一、sync概述 sync是Linux中一個非常重要的命令,它可以將文件系統緩存中的內容,強制寫入磁碟中。在執行sync之前,所有的文件系統更新將不會立即寫入磁碟,而是先緩存在內存…

    編程 2025-04-25
  • nginx與apache應用開發詳解

    一、概述 nginx和apache都是常見的web伺服器。nginx是一個高性能的反向代理web伺服器,將負載均衡和緩存集成在了一起,可以動靜分離。apache是一個可擴展的web…

    編程 2025-04-25
  • git config user.name的詳解

    一、為什麼要使用git config user.name? git是一個非常流行的分散式版本控制系統,很多程序員都會用到它。在使用git commit提交代碼時,需要記錄commi…

    編程 2025-04-25
  • MPU6050工作原理詳解

    一、什麼是MPU6050 MPU6050是一種六軸慣性感測器,能夠同時測量加速度和角速度。它由三個感測器組成:一個三軸加速度計和一個三軸陀螺儀。這個組合提供了非常精細的姿態解算,其…

    編程 2025-04-25
  • Python輸入輸出詳解

    一、文件讀寫 Python中文件的讀寫操作是必不可少的基本技能之一。讀寫文件分別使用open()函數中的’r’和’w’參數,讀取文件…

    編程 2025-04-25
  • 詳解eclipse設置

    一、安裝與基礎設置 1、下載eclipse並進行安裝。 2、打開eclipse,選擇對應的工作空間路徑。 File -> Switch Workspace -> [選擇…

    編程 2025-04-25
  • Python安裝OS庫詳解

    一、OS簡介 OS庫是Python標準庫的一部分,它提供了跨平台的操作系統功能,使得Python可以進行文件操作、進程管理、環境變數讀取等系統級操作。 OS庫中包含了大量的文件和目…

    編程 2025-04-25
  • Linux修改文件名命令詳解

    在Linux系統中,修改文件名是一個很常見的操作。Linux提供了多種方式來修改文件名,這篇文章將介紹Linux修改文件名的詳細操作。 一、mv命令 mv命令是Linux下的常用命…

    編程 2025-04-25
  • Java BigDecimal 精度詳解

    一、基礎概念 Java BigDecimal 是一個用於高精度計算的類。普通的 double 或 float 類型只能精確表示有限的數字,而對於需要高精度計算的場景,BigDeci…

    編程 2025-04-25

發表回復

登錄後才能評論