PCT 点云分类 (ModelNet40)

基于 Jittor 框架的 Point Cloud Transformer (PCT) 模型，用于 ModelNet40 三维点云形状分类任务。

赛题背景见 docs/problem_statement.md。

环境安装

• Python >= 3.8
• CUDA >= 11.0

pip install -r requirements.txt

数据准备

从竞赛平台下载数据集，放置于 data/ 目录下：

data/
├── train_points.npy    # 训练集点云 (9843, 2048, 3)
├── train_labels.npy    # 训练集标签 (9843,)
├── test_points.npy     # 测试集点云 (2468, 2048, 3)
└── categories.txt      # 40 个类别名称

也可通过 --data_dir 参数指定数据目录。

本仓库不提交原始 .npy 数据、训练权重和提交结果；这些文件按需放在本地目录中。

训练

python pct.py --epochs 450 --batch_size 32 --lr 0.0008 --seed 42 --model_path pct_model.pkl --output_path result.json

主要参数：

参数	默认值	说明
--data_dir	./data	数据目录
--n_points	1024	每个样本采样点数
--batch_size	32	批次大小
--epochs	450	训练轮数
--lr	0.0008	初始学习率
--seed	42	随机种子
--model_path	pct_model.pkl	模型权重路径
--output_path	result.json	测试集预测输出路径

训练完成后自动保存模型 pct_model.pkl 并对测试集生成预测 result.json。

验证

使用训练集固定随机划分的 20% 作为验证集评估模型：

python validate.py --model_path pct_model.pkl --data_dir ./data --seed 42

需要 pct_model.pkl 存在于当前目录。

推理

训练脚本会在训练结束后自动对测试集推理并保存 result.json。如需单独推理，可加载已有模型重新运行：

python pct.py --epochs 0 --model_path pct_model.pkl --data_dir ./data --output_path result.json

结果说明

• 指标：Top-1 分类准确率
• 输出格式：result.json，键为样本编号（字符串），值为预测类别编号（整数）
• 验证集准确率约 92.79%，测试集与验证集可能存在分布差异

方法简述

• 模型：PCT，4 层 Self-Attention + 全局最大池化
• 优化器：Adam (weight_decay=1e-4) + Cosine Annealing LR
• 数据增强：Y 轴全旋转 + X/Z 轴小幅旋转(±15°)、各向同性缩放、平移、高斯噪声、随机点丢弃
• 正则化：Dropout 0.55

参考

• PCT: Point Cloud Transformer
• Jittor