ピットにネットワーク図の完全なセット、少しゆっくりとそれを学ぶ、少し難しい感じ、提案された方法は、「あるテーブル認識ニューラルネットワークグラフ使って再考関係のモデリング面でmainメソッドを」。
##の概要
この記事では、古典的なPointNetの改善である主な目的は、ポイントクラウドがCNNアーキテクチャが可能な入力として直接使用することができる設計することである分類、セグメント化に適用し、他のタスク。主な革新は EdgeConv（畳み込み側）ローカル近隣情報を抽出することができる新しいマイクロネットワークモジュールを提案することです。
次に示すネットワーク全体の構造は、注目に値します。
- ネットワーク構造とPointNetの構造と同様に、全体的な、最も重要な違いは、代わりにEdgeConv MLPを使用してのものです。
- 各モジュール、すなわち、我々は局所的な特徴を検討する必要があり、全体的な特性を考慮するためEdgeConv
、集計関数を 
、 - K値KNNブロック図EdgeConv hyperparametric分類ネットワークK = 20、及び分割ネットワークK = 30です。
- 分割されたネットワークでは、グローバル記述子ローカル記述子と各出力予測スコアの接続点後のそれぞれ。
- 各機能の後MLPは、エッジ（エッジ特徴）、ダイナミック畳み込み図を計算することです。
##エッジコンボリューション
- 図はEdgeConvの概略図です。三次元ポイントクラウドFと仮定する
、Fは各点の寸法、最も単純な可能のX、Y、Z三次元を表し、追加点は、各色、通常の情報の中に導入することができます。 - 给定一个有向图
用来表示点云的局部结构，其中顶点为
，边为 
，边特征函数
，其中 h 是 
- 上图1就描述了一个点Xi和其邻近点Xj 的边特征eij求解过程，h使用全连接，用tf.layers.dense实现。(注：Dense and fully connected are two names for the same thing.)
- 特征聚合函数描述的是结点参数更新的过程，定义为□，其定义是：
