Jittor-Point-Cloud-Classification

创建动机：

参加第六届[计图 Jittor]人工智能挑战赛，在热身赛二需要使用 Jittor 深度学习框架，在经典的三维形状数据集 ModelNet40 上训练点云分类模型，完成三维形状分类任务。 本着开源精神和计算机图形学课堂鼓励，因此将代码开源。

解决了什么问题：

在项目给定Baseline代码（https://cloud.tsinghua.edu.cn/f/144f198054724d0c8798/?dl=1）基础上，通过：

• 数据增强：随机旋转（绕Y轴旋转）、随机缩放（85%-115%）、随机抖动（抖动方差为0.01）
• 使用 AdamW Optimizer，设置 weight_decay=0.05、lr=0.001[初始值]

在 200 epochs 后，在验证集上达到 88.91%成功率；提交头歌测试平台后得分0.8481，通过题目要求(>0.8)。

通过该项目的收获：

• 进一步熟悉在 gitlink 上开源项目的创建和管理，以及 如何写一个好的 Readme 文件
• 深入学习和了解了 Jittor 深度学习框架，为之后的赛道二：基于深度学习的点云降噪任务打下了坚实的基础
• 深入学习了解了 PCT 点云分类框架

使用教程：

（1）安装Jittor环境

# 安装计图
conda create -n jittor python=3.9 -y
conda activate jittor
conda install -c conda-forge gcc=10 gxx=10 -y # 确保gcc、g++版本不高于10
conda install -c conda-forge libgomp -y # 确保OpenMP runtime存在

（2）下载ModelNet40数据集

https://cloud.tsinghua.edu.cn/f/f003de5a2e914d1e9e0e/?dl=1

（3）运行代码

python pcy.py