PointNet与PointCNN从文章到代码都有很多相似之处，两者对比看待，或许更有助于我们理解。
众所周知，PointNet中使用了maxpooling和T-net，作者文章中起到关键作用的是maxpooling，而T-net对性能的提升作用也还是有的（两个T-net加上regularization 贡献了2.1个百分点），但奇怪的是在PointNet++的代码中，已经看不到T-net了（这一点论文没有提及，github上也有人提问，但是作者没有回复）。
但是，与之相似的PointCNN中有个X变换矩阵，但X变换对于PointCNN的作用可就非常重要了，因为它连maxpooling都没有用。下面我们就对两者进行比较。
首先是PointNet中的T-net代码：
def feature_transform_net(inputs, is_training, bn_decay=None, K=64):
""" Feature Transform Net, input is BxNx1xK
Return:
Transformation matrix of size KxK """
batch_size = inputs.get_shape()[0].value
num_point = inputs.get_shape()[1].value
net = tf_util.conv2d(inputs, 64, [1,1],
padding='VALID', stride=[1,1],
bn=True, is_training=is_training,
scope='tconv1', bn_decay=bn_decay)
net = tf_util.conv2d(net, 128, [1,1],
padding='VALID', stride=[1,1],
bn=True, is_training=is_training,
scope='tconv2', bn_decay=bn_decay)
net = tf_util.conv2d(net, 1024, [1,1],
padding='VALID', stride=[1,1],
bn=True, is_training=is_training,
scope='tconv3', bn_decay=bn_decay)
net = tf_util.max_pool2d(net, [num_point,1],#池化窗口是[num_point,1]
padding='VALID', scope='tmaxpool')
net = tf.reshape(net, [batch_size, -1])#变成两维
net = tf_util.fully_connected(net, 512, bn=True, is_training=is_training,
scope='tfc1', bn_decay=bn_decay)
net = tf_util.fully_connected(net, 256, bn=True, is_training=is_training,
scope='tfc2', bn_decay=bn_decay)
with tf.variable_scope('transform_feat') as sc:
weights = tf.get_variable('weights', [256, K*K],
initializer=tf.constant_initializer(0.0),
dtype=tf.float32)
biases = tf.get_variable('biases', [K*K],
initializer=tf.constant_initializer(0.0),
dtype=tf.float32)
biases += tf.constant(np.eye(K).flatten(), dtype=tf.float32)
transform = tf.matmul(net, weights)
transform = tf.nn.bias_add(transform, biases)
transform = tf.reshape(transform, [batch_size, K, K])
return transform代码主题部分，前三个conv2d用来升维，接着一个max_pool2d把1024个点的特征做了maxpooling，融合成一点。然后跟两个fully_connected把维度降到256，再然后是跟[256, K*K]的权值相乘再加K*K维的偏移，达到[batch_size, K*K]，最后变形成[batch_size, K, K]，大功告成，不容易啊。
接下来看PointCNN的X变换：
######################## X-transformation #########################
X_0 = pf.conv2d(nn_pts_local_bn, K * K, tag + 'X_0', is_training, (1, K), with_bn=False)
#kernal size(1, K, 3), kernal num=K*K, so the output size is (N, P, 1, K*K). so this operator is in the neighbor point dimentional.
X_1 = pf.dense(X_0, K * K, tag + 'X_1', is_training, with_bn=False)#in the center point dimensional ,P decrease to 1.
X_2 = pf.dense(X_1, K * K, tag + 'X_2', is_training, with_bn=False, activation=None)#(N, P, 1, K*K)
X = tf.reshape(X_2, (N, P, K, K), name=tag + 'X')
fts_X = tf.matmul(X, nn_fts_input, name=tag + 'fts_X')
###################################################################
第一层是卷积层，让人很吃惊，卷积核是1*k的，也就是在邻域维度上，直接把k个邻域点汇聚到一个点上，且用了K×K个卷积层，把特征维度升高到k*k，维度从（P,K,C）变成了（P,1,K×K）；然后
，作者用了两个dense层，保持了这个结构；
最后reshape成（P,K,K），这就得到了X-transporm矩阵。
从体量和复杂程度上来看，后者胜出。
从作用效果来看，不太好评价。因为PointCNN是有局部特征的，这点和pointnet++思想一致。所以即便PointCNN性能超过了PointNet，也不能直接证明X-transporm就一定优于T-net了。
代码方面，其实T-net的前四层和X变换的第一层做的事情差不多，都是为了把多个点的特征融合到一组特征，为训练变换矩阵提供素材。但接下来就不同了，T-net只有一组K*K的weights权值，而PointCNN后面跟了两个dense层，维度都是K*K的，参数更多，因此猜测PointCNN训练变换矩阵应该会更加充分。后期可以通过实验验证以下。
最后歪个楼，我在测试PointNet++的代码时，ModelNet40的分类结果一直徘徊在90.1左右，达不到论文里提的90.7，跟作者邮件联系也没有得到很好的答案。所以我再想是不是作者本来的PointNet++代码里是有T-net的，但是放到github里的版本没加上。但这只是猜测，有待验证。
附上相关代码的链接：
PointNet2：https://github.com/charlesq34/pointnet2
PointCNN:https://github.com/yangyanli/PointCNN
也欢迎关注公众号——3D点云深度学习。
