首页
›
AI视觉与工业视觉
›
064-3D视觉缺陷检测
›
《PointNet 3D缺陷分类模型训练实战》
VIP20
本课程属于:064-3D视觉缺陷检测
AI视觉与工业视觉 · 共 20 门相关课程,组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录
咨询 / 购买
📘
PointNet缺陷分类模型实战
共计 30 章节
点击此处阅读海量试读课程:100+行业、1000+细分领域
01
课程导入
学习目标 · 适用人群 · 课程结构
课程导入
学习目标
02
点云数据基础
点云的定义 · 获取方式(激光雷达 · 深度相机
点云数据基础
点云的定义
03
缺陷分类任务概述
缺陷类型(划痕 · 凹坑 · 裂纹
缺陷分类任务概述
缺陷类型
04
PointNet原理精讲
PointNet的架构设计 · 点云的无序性处理 · 对称函数(max pooling)
PointNet
原理精讲
05
PointNet与PointNet++对比
PointNet的局限性(局部结构缺… · PointNet++的改进(多尺度采… · 为何缺陷分类常选用PointNet或…
PointNet
PointNet++
06
环境搭建与工具链
Python环境 · PyTorch/TensorFlow… · CUDA配置
环境搭建
工具链
07
数据集准备与预处理
公开缺陷点云数据集(如ShapeNe… · ModelNet · 自建数据集)
数据集准备
预处理
08
数据增强策略
随机旋转 · 平移 · 缩放
数据增强策略
随机旋转
09
PointNet模型实现(PyTorch)
从零搭建PointNet分类网络 · 包括输入变换 · 特征变换
PointNet
PyTorch
10
损失函数与优化器选择
交叉熵损失 · Softmax · Adam/SGD优化器
损失函数
优化器选择
11
训练流程设计
训练集/验证集/测试集划分 · batch size设置 · epoch数
训练流程设计
训练集
12
模型评估与可视化
混淆矩阵绘制 · ROC曲线 · PR曲线
模型评估
可视化
13
实战案例一
金属表面缺陷分类(划痕/凹坑/裂纹)… · 模型训练 · 结果分析
实战案例一
金属表面缺陷分类
14
实战案例二
3D打印件缺陷分类(层错 · 翘曲 · 气孔)——处理高噪声点云
实战案例二
3D打印件缺陷分…
15
实战案例三
工业零件装配缺陷检测(缺件 · 错位 · 多余物)——结合CAD先验知识
实战案例三
工业零件装配缺陷…
16
模型优化技巧
超参数调优(网格搜索 · 随机搜索) · 早停法
模型优化技巧
超参数调优
17
类别不平衡处理
重采样 · 过采样 · 欠采样
类别不平衡处理
重采样
18
点云分割与分类结合
利用PointNet分割网络(Poi… · 提升分类可解释性
点云分割
分类结合
19
实时性与部署考虑
模型压缩(剪枝 · 量化) · TensorRT加速
实时性
部署考虑
20
常见问题与调试
训练不收敛 · 过拟合 · 梯度消失/爆炸
常见问题
调试
21
PointNet的变体与扩展
PointNet++ · PointCNN · DGCNN
PointNet
的变体
22
多模态融合
点云与RGB图像融合(RGB-D) · 点云与CAD模型对比 · 多传感器数据融合提升分类精度
多模态融合
RGB
23
无监督与半监督学习
自编码器预训练 · 对比学习 · 利用未标注点云数据提升模型泛化能力
无监督
半监督学习
24
可解释性分析
基于梯度的方法(Saliency M… · 激活最大化 · 点云关键点可视化
可解释性分析
Saliency
25
项目实战完整流程
从需求分析 · 数据采集 · 标注
项目实战完整流程
从需求分析
26
性能调优进阶
分布式训练(多GPU) · 混合精度训练 · 数据加载优化(DataLoader多…
性能调优进阶
GPU
27
工业场景落地指南
缺陷分类标准(如ISO) · 质检流程集成 · 实时报警系统
工业场景落地指南
ISO
28
前沿研究趋势
大模型在点云中的应用 · 自监督学习 · 动态点云处理
前沿研究趋势
大模型
29
综合练习与项目答辩
设计一个完整的缺陷分类系统 · 包括方案设计 · 代码实现
综合练习
项目答辩
30
课程总结与进阶路径
核心知识点回顾 · 常见误区总结 · 推荐论文与开源项目
课程总结
进阶路径
所属VIP或分类
同VIP:3D视觉引导定位与机器人抓取项目实战
同VIP:3D视觉缺陷检测系统开发与项目实战
同VIP:HALCON三维测量与3D缺陷检测实战