加强政务网站建设建站开发

《Keras 3 使用 PointNet 进行点云分类》

作者：David Griffiths
创建日期：2020/05/25
最后修改时间：2024/01/09
描述：实现 PointNet for ModelNet10 分类。

（i） 此示例使用 Keras 3

 在 Colab 中查看 

 GitHub 源

点云分类

---

介绍

无序 3D 点集（即点云）的分类、检测和分割 是计算机视觉中的核心问题。此示例实现了开创性的点云 深度学习论文 PointNet （Qi et al.， 2017）。对于 PointNet 上的详细介绍，请参阅此博客 帖子。

---

设置

如果使用 colab，请先使用 安装 trimesh。!pip install trimesh

import os
import glob
import trimesh
import numpy as np
from tensorflow import data as tf_data
from keras import ops
import keras
from keras import layers
from matplotlib import pyplot as pltkeras.utils.set_random_seed(seed=42)

---

加载数据集

我们使用 ModelNet10 模型数据集，这是 ModelNet40 的较小的 10 类版本 数据。首先下载数据：

DATA_DIR = keras.utils.get_file("modelnet.zip","http://3dvision.princeton.edu/projects/2014/3DShapeNets/ModelNet10.zip",extract=True,
)
DATA_DIR = os.path.join(os.path.dirname(DATA_DIR), "ModelNet10")

Downloading data from http://3dvision.princeton.edu/projects/2014/3DShapeNets/ModelNet10.zip 

     0/473402300 [37m━━━━━━━━━━━━━━━━━━━━  0s 0s/step

  8192/473402300 [37m━━━━━━━━━━━━━━━━━━━━  1:06:44 8us/step

 40960/473402300 [37m━━━━━━━━━━━━━━━━━━━━  26:17 3us/step

 90112/473402300 [37m━━━━━━━━━━━━━━━━━━━━  17:49 2us/step

188416/473402300 [37m━━━━━━━━━━━━━━━━━━━━  11:20 1us/step

385024/473402300 [37m━━━━━━━━━━━━━━━━━━━━  6:55 1us/step

786432/473402300 [37m━━━━━━━━━━━━━━━━━━━━  4:03 1us/step

1581056/473402300 [37m━━━━━━━━━━━━━━━━━━━━ 2：21 0us/步

3170304/473402300 [37m━━━━━━━━━━━━━━━━━━━━ 1：20 0us/步

6004736/473402300 [37m━━━━━━━━━━━━━━━━━━━━ 47s 0us/步

8880128/473402300 [37m━━━━━━━━━━━━━━━━━━━━ 35s 0us/步

11902976/473402300 [37m━━━━━━━━━━━━━━━━━━━━ 28s 0us/步

14925824/473402300 [37m━━━━━━━━━━━━━━━━━━━━ 24s 0us/步

17915904/473402300 [37m━━━━━━━━━━━━━━━━━━━━ 22s 0us/步

21020672/473402300 [37m━━━━━━━━━━━━━━━━━━━━ 20s 0us/步

23977984/473402300 ━[37m━━━━━━━━━━━━━━━━━━━ 18s 0us/步

26861568/473402300 ━[37m━━━━━━━━━━━━━━━━━━━ 17s 0us/步

29958144/473402300 ━[37m━━━━━━━━━━━━━━━━━━━ 16s 0us/步

33071104/473402300 ━[37m━━━━━━━━━━━━━━━━━━━ 16s 0us/步

36175872/473402300 ━[37m━━━━━━━━━━━━━━━━━━━ 15s 0us/步

39206912/473402300 ━[37m━━━━━━━━━━━━━━━━━━━ 14s 0us/步

41902080/473402300 ━[37m━━━━━━━━━━━━━━━━━━━ 14s 0us/步

45015040/473402300 ━[37m━━━━━━━━━━━━━━━━━━━ 14s 0us/步

48021504/473402300 ━━[37m━━━━━━━━━━━━━━━━━━ 13s 0us/步

51003392/473402300 ━━[37m━━━━━━━━━━━━━━━━━━ 13s 0us/步