3D Point Cloud Classification and Segmentation using 3D Modified Fisher Vector Representation for Convolutional Neural Networks
模型结构：
可见模型主要分为两部分，一部分是将输入点云变为 Fisher Vector 表达，另一部分是进行CNN处理
其中 Inception 是 classification network 的核心，结构为：
注意这里居然用了平均池化 avg. pooling
这篇文章的主要创新点在于，把 Fisher Vector 用到了CNN 中用来作为CNN输入，对点云进行分类。Fisher Vector 的计算得到一个向量，该向量与点云结构/点的顺序 无关，从而解决了点云无序性的问题。而PointNet解决点云无序性是用的max pooling。
为了使计算得到的Fisher Vector 与点数无关，将FV向量除以点云对象的点数。题外话，要使CNN实现与输入尺寸无关，只要用pooling就可以啦，因为卷积本身是对输入尺寸不敏感的。例如2014年的论文：Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition，用在图像上的方法，可以借鉴思路用在点云上。事实上PointNet就是这么做的，只是PointNet论文中依然用的是每个点云点数相同==
Fisher Vector 的原理见：https://blog.csdn.net/shanyicheng1111/article/details/76978029 经常用于动作识别和图像处理
实现：https://github.com/jacobgil/pyfishervector
采用 Fisher Vector 的缺点也显而易见，即 FV 也是人工提取的特征，所有人工提取的特征都会导致损失信息。
另外，计算 Fisher Vector 的时候用到了 Voxel Grid，这使得计算量大，内存消耗大。