PointPillars网络

点支柱网络需要两个输入：支柱索引作为P-by-2和支柱的特点是P-借-N-借-K矩阵P是网络中的支柱数量，N是每个支柱的点数，以及K是特征尺寸。

网络从一个特征编码器开始，这是一个简化的点网。它包含一系列卷积、批处理规范和relu层，然后是最大池层。末端的散射层使用支柱索引将提取的特征映射到二维空间。

接下来，网络具有由编码器-解码器块组成的二维CNN主干。每个编码器块由卷积、批处理范数和relu层组成，以提取不同空间分辨率的特征。每个解码器块由转置卷积、批处理范数和relu层组成。金宝搏官方网站

然后，网络在每个解码器块的末尾连接输出特征，并将这些特征通过六个具有卷积层和S形层的检测头来预测占用率、位置、大小、角度、航向和类别。

创建点支柱网络

你可以使用深度网络设计器（深度学习工具箱）应用程序以交互方式创建深度学习网络。要以编程方式创建PointPillars网络，请使用点柱目标探测器对象。

迁移学习

属性重新配置预先训练的pointcolumns网络点柱目标探测器对象进行迁移学习。指定新的对象类和相应的锚定框，以便在新数据集上训练网络。

训练pointcolumns对象检测器并执行对象检测

使用trainPointPillarsObjectDetector函数来训练点网络。要在经过训练的点柱网络上执行对象检测，请使用发现作用有关如何培训PointPillars网络的更多信息，请参阅基于点柱深度学习的激光雷达三维目标检测.

代码生成

要了解如何为PointPillars网络生成CUDA®代码，请参阅使用PointPillars深度学习用于激光雷达目标检测的代码生成.