ModelNet40 Point Cloud Classification with PCT

本项目基于 Jittor 框架，实现了 Point Cloud Transformer (PCT) 的 ModelNet40 三维形状分类示例代码。

项目结构

• pct.py：主示例程序，包含数据加载、PCT 模型定义、模型训练和测试集预测结果生成。
• data/
  • train_points.npy：训练点云数据，shape (9843, 2048, 3)。
  • train_labels.npy：训练集标签，shape (9843,)。
  • test_points.npy：测试点云数据，shape (2468, 2048, 3)。
  • categories.txt：40 个类别名称。
• .venv/：项目虚拟环境目录（WSL 下可用）。

目标

训练一个点云分类模型，并生成测试集预测结果文件 result.json，提交格式为：

{
  "0": 4,
  "1": 35,
  "2": 10,
  ...
}

其中 key 是测试集样本编号（字符串），value 是预测类别（0-39 的整数）。

环境要求

建议在 WSL（Ubuntu）环境中运行，使用项目目录下的虚拟环境：

cd /mnt/c/Users/Lenovo/Desktop/计算机图形学/PA3/code
source .venv/bin/activate

如果没有安装依赖，可先安装：

pip install jittor numpy

注意：Jittor 依赖 CUDA 环境和对应驱动，若使用 CPU 运行需根据 Jittor 文档调整配置。

运行方式

训练并生成 result.json

python3 pct.py

程序默认训练 PCT 模型并保存 pct_model.pkl，然后对测试集进行预测，输出结果到 result.json。

仅生成测试集预测

若已有训练好的模型文件，可直接加载模型并运行预测。

输出文件

• pct_model.pkl：训练后的模型参数文件（若已保存）。
• result.json：测试集预测结果，符合提交格式。

说明

• 训练集样本数：9843
• 测试集样本数：2468
• 点云点数：2048
• 类别数：40