Advertisement

ModelNet40-正常化重采样数据集

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

简介：
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。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 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-正常-重采样-部分1
    优质
    本数据集为ModelNet40的一部分，包含正常状态下的物体模型，并经过重采样处理，旨在提供更加精确和多样化的三维形状特征，适用于深度学习与计算机视觉研究。 ModelNet40_normal_resampled 数据集包含 40 个类别的 3D 模型，每个类别有 55 个模型；此资源为 part1。
     
  • ModelNet40-正常-重采样部分2
    优质
    该数据集是基于ModelNet40的标准分类任务构建，专注于物体模型的规范化与重采样处理，旨在提高模型在特定部分细节上的学习效果。 ModelNet40_normal_resampled数据集包含40个类别的3D模型，每个类别有55个模型。这是该资源的part1部分。
     
  • 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。
     
  • [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 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。
     
  • Criteo采样数据集
    优质
    Criteo采样数据集是由在线广告技术公司Criteo提供的公开数据集合，主要用于训练和评估机器学习模型在点击率预测等任务上的表现。 criteo_sampled_data 数据存储在 criteo_sampled_data.csv 文件中。
     
  • NSL-KDD（1999 KDD Cup数据集的重采样版）
    优质
    NSL-KDD是基于1999年KDD Cup数据集改进而来的一个网络入侵检测基准数据集，通过重采样处理以提高机器学习模型训练和测试的有效性。 NSL-KDD是KDD Cup 1999数据集的重新采样版本，其训练集包含125973个样本，测试集包含22544个样本，每个样本有41个特征。在训练集中，正常和异常类别的比例为67343:58630，这解决了KDD99数据集中类别不平衡的问题。