PCT 点云分类 - 计图挑战赛赛道二热身赛

基于 Jittor 深度学习框架，使用 PCT (Point Cloud Transformer) 在 ModelNet40 数据集上完成三维形状分类任务。

环境配置

• Python 3.7+
• Jittor 深度学习框架

数据集准备

ModelNet40 数据集已预处理为 2048 个点的 HDF5 文件。

1. 下载数据集：
   https://cloud.tsinghua.edu.cn/f/f003de5a2e914d1e9e0e/?dl=1

2. 将解压后的文件放入项目根目录下的 data/ 中：

训练

运行以下命令开始训练并自动生成预测结果：

python pct.py

训练过程中会在根目录下保存模型。

模型性能与结果

经过 160 epochs，在 ModelNet40 测试集（2468 个样本）上的分类准确率为 0.8051

优化策略

为保证达到通过线，主要尝试了以下优化：

• 数据增强：随机缩放、随机平移、随机抖动，提升泛化能力
• 优化器选择：使用 AdamW 并添加 weight decay

致谢

感谢 清华大学计图团队 提供的框架与比赛支持。