ModelNet40 点云分类

计图（Jittor）挑战赛 热身赛二：在 ModelNet40 点云数据集上训练 PCT（Point Cloud Transformer） 分类模型，对测试集样本预测 40 类物体类别，并生成符合赛题要求的 result.json 提交文件。

项目简介

任务：三维形状分类（输入点云 → 输出类别 0–39）
框架：Jittor
模型：PCT（自注意力 + 多尺度特征融合）
通过线：测试集分类准确率 ≥ 80%

目录结构

project/
├── README.md           # 本文件
├── LICENSE             # 开源许可证
├── requirements.txt    # Python 依赖
├── .gitignore
├── pct.py              # 数据加载、模型、训练与推理入口
└── data/               # 数据目录（需自行下载，不随仓库提交大文件）
    ├── train_points.npy    # (9843, 2048, 3)
    ├── train_labels.npy    # (9843,)
    ├── test_points.npy     # (2468, 2048, 3)
    └── categories.txt      # 40 类类别名称

训练与推理产物（默认不提交到 Git）：

pct_model.pkl：训练权重
result.json：测试集预测结果

环境安装

系统要求

Linux（推荐 Ubuntu 20.04+）
Python 3.7 或 3.9（与 Jittor 版本匹配即可）
NVIDIA GPU + CUDA（推荐；代码中 jt.flags.use_cuda = 1）
C++ 编译器：g++（Jittor 即时编译需要）

安装步骤

# 建议使用 conda 创建独立环境
conda create -n jittor python=3.9 -y
conda activate jittor

# 安装依赖
pip install -r requirements.txt

# 安装 Jittor（若 requirements 未包含，请按官网说明安装）
# https://github.com/Jittor/jittor
# pip install jittor

数据准备

从赛题页面下载 ModelNet40 点云数据（已预处理为 npy 格式）。
解压到项目根目录下的 data/ 文件夹：

data/
├── train_points.npy   # 训练集点云
├── train_labels.npy   # 训练集标签
├── test_points.npy    # 测试集点云（无标签）
└── categories.txt     # 类别名称列表

可通过参数指定数据路径：

python pct.py --data_dir ./data

训练

默认配置：1024 点/样本、batch=32、200 epoch、命令行 --lr 默认 0.01（实际优化器学习率为 lr × 0.1，即 0.001）。

conda activate jittor
cd /path/to/project1

python pct.py \
  --data_dir ./data \
  --n_points 1024 \
  --batch_size 32 \
  --epochs 200 \
  --lr 0.01 \
  --seed 42

训练结束后会生成：

pct_model.pkl：模型权重
result.json：对测试集的预测

主要超参数

参数	默认值	说明
`--data_dir`	`./data`	数据根目录
`--n_points`	`1024`	每样本采样点数（从 2048 中随机/均匀采样）
`--batch_size`	`32`	批大小
`--epochs`	`200`	训练轮数
`--lr`	`0.01`	命令行学习率；优化器使用 `lr × 0.1`
`--seed`	`42`	随机种子（numpy / Jittor）

训练策略说明

优化器：SGD，momentum=0.9，weight_decay=1e-4
学习率调度：Cosine Annealing（T_max=epochs，eta_min=1e-6）
数据增强：绕 Y 轴随机旋转、随机缩放 (0.9–1.1)、高斯抖动 (σ=0.005)

许可证

本项目采用 MIT License 开源。

使用 Jittor 框架，请同时遵守其许可协议。

引用与致谢

PCT / Point Cloud Transformer 相关论文与实现思路
ModelNet40 数据集
计图（Jittor）深度学习框架