ubuntu18.04/20.04 tensorflow2.3-2.6 python3.6

三维点云语义分割可视化样例数据，配套介绍请参考：https://blog.csdn.net/suiyingy/article/details/124669623，含数据和python源码，以及三维点云学习系列材料。

Win10系统下训练RandLA-Net点云语义分割模型_zhaoguanhua的博客-CSDN博客.mhtml

根据语义或实例分割的结果可视化KITTI数据集点云，为不同类别或不同的实例赋予不同的颜色，适合论文作图

3D点云语义分割很少 由创建 介绍 该存储库包含由Na Na Zhao，Tat-Seng Chua和Gim Hee Lee撰写的CVPR 2021论文“”的PyTorch实现。 对点云语义分割的许多现有方法都进行了完全监督。 这些完全受监督的方法严重依赖于大量标记的训练数据，这些数据很难获得，并且不能在训练后泛化为看不见的课程。 为了减轻这些局限性，我们提出了一种新颖的关注感知的多原型转导性少击点云语义分割方法，以在给定一些标记示例的情况下对新类进行分割。 具体来说，每个类别都由多个原型代表，以对3D点云的复杂数据分布进行建模。 随后，我们采用转导标签传播方法来利用标记的多原型与未标记的查询点之间以及未标记的查询点之间的亲和力。 此外，我们设计了一个可引起注意的多层特征学习网络，以学习可捕获点之间语义相关性和几何相关性的判别性特征。 我们的方法在两个基准数据集上的不同的短镜头点云分割设置

近年来，深度传感器和三维激光扫描仪的普及推动了三维点云处理方法的快速发展。点云语义分割作为理解三维场景的关键步骤，受到了研究者的广泛关注。随着深度学习的迅速发展并广泛应用到三维语义分割领域，点云语义分割效果得到了显著提升。

a module for 3D semantic segmentation in point clouds