storage format

.asc

asc拓展名：它可以表示任何格式，通常是纯文本，这意味着不能从.asc扩展名中假设它内部是什么样子的。它是一种交换格式，这意味着它(通常)不用作分析或主存储的输入，而是用于与其他程序的交换。

.obj

以下内容来自于这里(作者写的好有条理呀)
OBJ是以纯文本的形式存储了模型的顶点、法线和纹理坐标和材质使用信息；

在计算机图形学中，考虑到图形求交等计算的问题，这个面通常选择三角形，即模型的表面由若干三角面构成。一个模型文件需要记录的信息就是这些三角面的信息，进一步讲，一个三角面又需要有顶点、法线、连接顺序等这些信息。

顶点位置信息——x,y,z坐标值——描述了三角面的位置，但光有位置信息还不够，我们还需要知道一个三角面的正面与背面，为什么要这样，直观的理解就是，由于模型体只有表面，内部是空腔（如果模型是封闭的话），内部的面是不可见的，然后背面朝着我们（摄像机）的面也是不可见的。那怎么标注这个正面与背面呢？就是靠法线了。

所谓面的法线就是垂直于此面的线，用一个向量表示，向量指向的一侧为正面，另一侧为反面。进一步地说，法线用处还是在光照模型中确定一个面的颜色。

obj文件内容解析：

# "#"号开头是注释行
# v（vertex）数据段: 模型顶点列表
# 顶点位置信息，是xyz三维坐标
# v开头的每一行描述一个顶点，行数等于顶点数。8个顶点所以有8行
v  1.00  -1.00  -1.00
v  1.00  1.00  1.00
......
# vt（vertex texture）数据段：模型顶点的纹理坐标列表
# 顶点的纹理坐标信息，是xy二维坐标
# vt开头的每一行描述一个纹理坐标，行数大于等于顶点数，因为一个模型顶点在贴图的UV坐标系中很可能对应多个顶点/纹理坐标。且坐标值范围是在0~1之间，这个模型中有14行。
# 关于纹理坐标看图，本文不多解释纹理坐标，可参考文献[2]或自行百度
vt  0.74  0.75
vt  0.29  0.55
# vn（vertex normal）数据段：顶点法线列表
# 三维法向量，xyz
# vn开头的每一行描述一个法向量，行数大于等于顶点数。 前面介绍了，法线是与面相关的概念，但是现在的面是靠顶点来描述，拿示意图中的点"1"为例，它与参与构成了三个面，所以"顶点1"对应有3条法线
# 可能你已经发现了，在这个立方体模型中，共面顶点的法向量的方向是相同的，也就是说这里面的数据会重复，所以在建模软件导出obj文件时有个优化的选项，勾选后的导出的法线列表数据中就不会有重复项，这里的例子优化后有6条法线*
vn  -1.00 0.00 0.00 
vn  1.00 0.00 0.00
vn  0.00 1.00 0.00
......
# f（face）：模型的三角面列表
# f开头的每一行描述一个面 ，关键的来了，三个点组成一个面，怎样拿到这三个点呢？通过从1开始的索引，去前面的v、vt、vn列表中去取。
# 总结一下就是：每一行定义1个面，1个面包含3个点，1个点具有“顶点/纹理坐标/法线”3个索引值，索引的是前面3个列表的信息。
f  1/1/1  2/2/1  3/3/1      # 顶点1、顶点2、顶点3 组成的面
f  2/2/1  3/3/1  4/4/1      # 顶点2、顶点3、顶点4 组成的面
f  1/1/1  5/10/1  8/14/6  # 顶点1、顶点5、顶点8 组成的面
......

以上便是obj 文件的核心部分，此外还有一些数据段，记录如下。

• o 对象名
• g 组名
• s 平滑组
• usemtl 材质名
• mtllib 材质库.mtl

.mtl

mtl文件（Material Library File）是材质库文件，描述的是物体的材质信息，ASCII存储，任何文本编辑器可以将其打开和编辑。一个.mtl文件可以包含一个或多个材质定义，对于每个材质都有其颜色，纹理和反射贴图的描述，应用于物体的表面和顶点。

以下是一个材质库文件的基本结构：
newmtl mymtl_1
材质颜色光照定义
纹理贴图定义
反射贴图定义
newmtl mymtl_2
材质颜色光照定义
纹理贴图定义
反射贴图定义
newmtl mymtl_3
材质颜色光照定义
纹理贴图定义
反射贴图定义
……

.mat 参考这里

mat文件
mat文件是matlab的数据存储的标准格式。mat文件是标准的二进制文件,还可以ASCII码形式保存和加载，在MATLAB中打开显示类似于单行EXCEL表格。

很多数据集的标签都是通过mat文件来存储的，为了解析出图片所对应的的标签信息，我们需要从mat文件中来解析出这些信息，这里我们利用人脸遮挡数据集MAFA为例，从中获取图片所对应的标签信息

mat文件解析
使用Python来解析mat文件其实是非常简单的，通过scipy库就可以了，没安装这个库的可以通过下面的命令进行安装

pip install scipy

• 导包

import scipy.io as sio

• 加载读取mat文件

mat_data = sio.loadmat(mat_path)

• 获取mat文件中的相关信息

#直接输出mat文件的内容
print(mat_data)
#输出mat数据的key
print(mat_data.keys())

这里我们需要特别注意key，后面需要利用这个字段来进行进一步解析数据，像__***__这种是文件自带的属性，不用管，所以实际上我们字需要最后一个key: label_train

• 解析数据

#获取key
key_name = list(mat_data.keys())[-1]
#根据key获取数据
data = mat_data[key_name]
#获取数据的shape,这里数据的shape是(1,25876)
#后面表示的是图片的数量
print(data.shape)
#遍历数据
for line in data[0,:]:
    #获取图片的名称
    img_name = line[1][0]
    #获取图片对应的标签信息
    img_info = line[2][0]