Advertisement

官方的modelnet40数据集。

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：None

简介：
该模型net标准数据集，以及用于读取该数据集的方法均已包含在此处。特别是modelnet40系列的文件构成了数据集的核心数据内容。同时，data目录下提供了用于提取训练集和测试集的便捷途径，并实现了随机降采样和翻译操作，这些技术手段能够显著提升模型的预测精度。目前，众多最先进的开源代码库都广泛采用该数据集进行训练和验证。为了能够顺利运行，您需要搭建好PyTorch开发环境。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • ModelNet40 官方数据集
    优质
    ModelNet40官方数据集是计算机视觉领域广泛使用的3D模型分类标准测试库，包含40个类别共计12,311个三维网格模型。 ModelNet标准数据集及其读取方法：以ModelNet40开头的压缩文件包含训练和测试所需的数据，在data目录下有相应的代码用于读取这些数据，并且包括了随机丢弃（random drop）和平移操作，这可以有效提高模型的准确率。目前大多数处于行业领先水平的研究源码中都使用这一数据集。需要在PyTorch环境中运行。
     
  • ModelNet40数据集
    优质
    ModelNet40是一个广泛用于3D形状分类的研究数据集，包含40个类别共计12311个物体模型，为机器学习和计算机视觉领域的研究提供了丰富的资源。 ModelNet40数据集包含的是点云数据（标签可以自行制作），以ply文件格式保存。该数据集是从公开的off文件转换而来的，如果感兴趣的话可以下载。
     
  • [modelnet40数据集] modelnet40_normal_resampled_1_part.zip
    优质
    该文件包含ModelNet40数据集的部分内容，具体为模型的法线信息和网格划分后的采样点，适用于形状分类任务。 由于文件大小限制，数据集被分为两个文件上传。完整数据集压缩包为1.7G，解压后为7.0G，并且分成modelnet40_normal_resampled_1.zip（908.3M）和modelnet40_normal_resampled_2.zip（796.8M）。其中，modelnet40_normal_resampled_1.zip包括以下类别：airplane、bathtub、bed、bench、bookshelf、bottle、bowl、car、chair、cone、cup、curtain、desk、door、dresser、flower_pot、glass_box、guitar、keyboard和lamp。
     
  • [modelnet40数据集] modelnet40_normal_resampled_2_part.zip
    优质
    ModelNet40_normal_resampled_2_part.zip包含经过重采样的带有法线信息的ModelNet40数据集的部分内容，用于形状分类任务。 由于文件大小限制，该文件被分为两个部分上传。.modelnet40_normal_resampled_2.zip包含以下类别和文件：laptop、mantel、monitor、night_stand、person、piano、plant、radio、range_hood、sink、sofa、stairs、stool、table、tent、toilet、tv_stand、vase、wardrobe 和 xbox，以及一些文本段落件如 filelist.txt, modelnet10_shape_names.txt, modelnet10_test.txt, modelnet10_train.txt, modelnet40_shape_names.txt, modelnet40_test.txt 和 modelnet40_train.txt。
     
  • ModelNet40-正常化重采样数据集
    优质
    ModelNet40-正常化重采样数据集是一个经过标准化处理和重新采样的3D模型集合，包含40类物体，适用于深度学习中的形状分类任务。 ModelNet40_normal_resampled是一个用于3D物体识别的数据集，包含40个类别的模型，每个类别有55个样本。数据集中的模型经过采样和归一化处理，适合训练与测试相关算法。这些数据以txt格式存储。整个解压后的数据集大约为6GB大小，因此被分为两部分进行上传。
     
  • ModelNet40、ModelNet10、ModelNet_resample和ModelNet_hdf5四种数据集
    优质
    这段简介可以描述如下： 本研究涉及四个关键3D模型分类数据集：ModelNet40、ModelNet10、ModelNet_resample及ModelNet_hdf5，它们为深度学习算法提供了丰富的形状类别训练与测试资源。 modelNet40、ModelNet10以及ModelNet_resample和modelNet_hdf5这四种数据集被讨论。
     
  • 基于ROPNet项目的ModelNet40数据集模型训练
    优质
    本项目采用ROPNet框架，在ModelNet40数据集上进行深度学习模型训练，旨在优化三维物体分类性能。 本项目包括两个模型文件：min_loss.pth 和 min_rot_error.pth。该项目提供了一个配准效果良好的点云模型，但并未发布预训练模型。因此，博主基于作者公布的代码，并使用默认参数进行了约450个epoch的训练（完整训练周期为600个）。所得到的模型精度与论文报告的结果略有不同，但仍保持了领先的性能水平。 在训练过程中，最终loss值为：Loss: 0.1087, Error R: 2.2862, Error t: 0.0218, anisotropic R(mse, mae): 2.6079, 1.1766；anisotropic t(mse, mae)：0.0224，0.0103。 在测试阶段，模型表现出以下效果： - Error R error: 1.6421 - Error t error: 0.0171 - anisotropic mse R error: 1.9071 - anisotropic mae R error: 0.8711 - anisotropic mse t error : 0.0177
     
  • ModelNet40点云样本数据
    优质
    ModelNet40是一款包含40个类别、共计12311个物体模型的数据集，专门用于三维形状识别的研究与开发，采用点云形式表示。 来自于ModelNet的点云样例数据，类别为飞机（airplane），格式为txt文件。详细信息参见相关文档或博客文章。
     
  • MSTAR官方数据集资料
    优质
    本资料包含MSTAR官方提供的雷达图像数据集，适用于目标识别、军事应用及遥感研究等领域。 目前用于SAR ATR研究的图像主要来源于美国国防高级研究计划署（DARPA）与空军研究实验室（AFRL）提供的MSTAR数据集。实验中使用的是地面军事车辆聚束式MSTAR SAR图像，其分辨率为0.3m × 0.3m，像素尺寸为128×128。数据库包含三种类型(BMP2、BTR70和T72)共七种型号的地物目标。同一类中不同型号的差异主要体现在军事配置的不同上，比如坦克上的机关枪、油箱以及天线是否展开等；同样地，装甲车上有无炮筒、挡泥板及聚光灯也会影响其分类。 为了更好地模拟实际应用中的各种情况，数据库设计时充分考虑了SAR图像对方位的敏感性，并采集了大量的不同方位角度下的图像数据。这些图像覆盖从0°到360°的角度范围，且每度之间间隔约1°至2°不等。
     
  • MSTAR官方数据集资料
    优质
    该资料汇集了MSTAR（军用运输机、直升机和坦克雷达散射截面）项目的全面数据集，包括各类军事目标的高分辨率图像及详细信息。 MSTAR官方数据集存储于百度云中，文件较大。该数据库包含3类（BMP2、BTR70、T72）共7种型号的地物目标。同一大类中的不同型号由于军事配置的不同而有所区别，这些差异被称为变形目标，例如同一类型的坦克上是否装有机关枪、油箱或天线展开情况；同样地，在装甲车上有无炮筒、挡泥板和聚光灯等也会有所不同。数据集中包含大量源图片。