ModelNet40数据集

https://shapenet.cs.stanford.edu/media/modelnet40_ply_hdf5_2048.zip

跑PointNet,modelnet40数据集时;

• 有些人直接用.off文件;——【CAD模型】

普林斯顿形状Banchmark中的.off文件遵循以下标准：

• OFF文件全是以OFF关键字开始的ASCII文件。
• 下一行说明顶点的数量、面片的数量、边的数量。

• 边的数量可以安全地省略。对模型不会有影响(可以为0)。

• 顶点按每行一个列出x、y、z坐标。
• 在顶点列表后，面片按照每行一个列表。对于每个面片，顶点的数量是指定的，接下来是顶点的索引列表。
• 具体可参考off文件的格式、写入和显示_Alan Lan的博客-CSDN博客

• 有些人用的是.ply;

• PLY - 多边形文件格式也被称为斯坦福三角格式，是用于存储被描述为多边形集合的图形对象的格式。
• 格式组成：

1. 头：声明数据格式，规定和点和面片的数据内容
2. 点：点的数据内容（坐标x,y,z 颜色r,g,b等）
3. 线：线的数据内容（组成线的点序号索引，颜色等）
4. 面片：面片的数据内容（组成面的点序号索引，颜色等）

• 具体参考：PLY文件_ply文件中添加一列数据_舒夜无痕的博客-CSDN博客

• 有些人用的是.hdf5;

• 是一种存储相同类型数值的大数组的机制，适用于可被层次性组织且数据集需要被元数据标记的数据模型。
• hdf5 files： 能够存储两类数据对象 dataset 和 group 的容器，其操作类似 python 标准的文件操作；File 实例对象本身就是一个组，以 / 为名，是遍历文件的入口

• 一个HDF5文件就是一个由两种基本数据对象（groups and datasets）存放多种科学数据的容器：

  HDF5 dataset: 数据元素的一个多维数组以及支持元数据（metadata）,可类比为Numpy 数组，每个数据集都有一个名字（name）、形状（shape） 和类型（dtype），支持切片操作；

  HDF5 group: 包含0个或多个HDF5对象以及支持元数据（metadata）的一个群组结构,可以类比为字典，它是一种像文件夹一样的容器；group 中可以存放 dataset 或者其他的 group，键就是组成员的名称，值就是组成员对象本身(组或者数据集)；

• 总之，dataset是类似于数组的数据集，而group是类似文件夹一样的容器，存放dataset和其他group；group和dataset在h5py中的使用有点类似于词典和Numpy中数组的用法。

• 具体参考：HDF5 简介_man_world的博客-CSDN博客

modelnet40_ply_hdf5_2048是基于原来的采样了一下，只有点的坐标，还有一个版本是带法向量的。modelnet40_normal_resample是基于原来的modelnet40进行归一化和重采样，这样子数据所占内存和运算量就减少了（pointnet++里面讲到其对下采样具有鲁棒性，这样子可以提升速度，同时acc也不会有明显的下降；modelnet40_ply_hdf5就是h5（hdf5)格式，是采了2048个点，保存的点的坐标和法向量；modelnet是包含3部分：modelnet10,modelnet40和aligned 40的数据。

ModelNet40数据集来源于http://modelnet.cs.princeton.edu/

这个ZIP文件包含来自40个类别的CAD模型，用于在我们的3D深度学习项目中训练深度网络。训练和测试部分也包含在文件中。这些CAD模型完全是由我们自己在内部清理的。

每一个都含有test和train文件。可以看到里面的文件都是.off文件

参考：ModelNet40格式的理解(PointNet实现第2步)_xiaobai_Ry的博客-CSDN博客