对论文进行翻译的pdf版，记录一些好的论文，并对它进行翻译，并上传到里面，既可以方便日后使用，也可以用来供大家一起来学习。

本资源为论文pointnet++点云分类部分的的实验数据集（modelnet40_normal_resampled.zip）。
若有需要做论文复现的可自行取用。
该分享仅用于科学研讨，如有侵权，联系删除！

这项工作基于我们的arXiv技术报告，该报告将出现在CVPR2017中。
我们提出了一种新颖的点云深度网络架构（作为无序点集）。
您还可以查看我们的项目网页以获得更深入的介绍。
点云是一种重要的几何数据结构。
由于其不规则的格式，大多数研究人员将此类数据转换为规则的3D体素网格或图像集合。
但是，这会使数据变得不必要地庞大并导致问题。
在本文中，我们设计了一种直接消耗点云的新型神经网络，它很好地尊重了输入中点的排列不变性。
我们的网络名为PointNet，为从对象分类、部分分割到场景语义解析的应用提供了统一的架构。
虽然简单，但PointNet非常高效且有效。
在这个存储库中，我们发布了代码和数据，用于在从3D外形采样的点云上训练PointNet分类网络，以及在ShapeNetPart数据集上训练部件分割网络。

更新2021/03/27:（1）发布语义分割的预训练模型，其中PointNet++可以达到53.5%的mIoU。
(2)发布预训练模型用于分类和部分分割log/。
2021/03/20：更新分类代码，包括：(1)添加训练ModelNet10数据集的代码。
使用--num_category10.(2)添加仅在CPU上运行的代码。
使用--use_cpu.(3)增加离线数据预处理代码，加速训练。
使用--process_data.(4)添加用于均匀采样训练的代码。
使用--use_uniform_sample.2019/11/26:(1)修复了之前代码中的一些错误并增加了数据加强技巧。
现在只用1024分就可以达到92.8%！(2)增加了测试代码，包括分类和分割，以及可视化的语义分割。
(3)将所有模型整理成./models文件，方便使用。

在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。 另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。 为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。