内容概要： 基于PointNet2的个性化点云数据集分类预测是一个使用深度学习的计算机视觉任务。它涉及将个性化的点云数据集分为不同的类别，例如汽车、人或建筑物等。 适用人群： 本项目适用于对深度学习、点云处理和分类预测感兴趣的计算机科学、人工智能研究人员以及学生。 使用场景及目标： 点云数据处理：根据具体的应用场景，可以通过数据清洗、处理和预处理等方式准备点云数据集。 PointNet2模型构建：使用PointNet2或相似的架构来构建深度学习模型，用于对点云数据进行特征提取和分类。 模型训练与验证：划分数据集为训练集和测试集，使用训练集对模型进行训练，并在测试集上验证模型的性能和准确率。 类别预测：使用已训练的模型对新的个性化点云数据进行分类预测。 其他说明： 该项目可能涉及深度学习框架（如TensorFlow、PyTorch等）和相应的库，您需要安装所需的依赖项。 项目实施过程中，可能需要对模型架构、数据预处理方法、损失函数和优化器等进行调整和优化。 数据集的选择和准备对于模型的训练和性能非常重要。一个好的数据集应包含多样性和代表性的样本。

PointNet2用于3D点云的语义分割 马蒂厄·奥罕（Mathieu Orhan）和纪尧姆·迪基瑟（Guillaume Dekeyser）着（巴黎桥和歌剧院，2018年，巴黎）。 介绍 这个项目是PointNet2的学生分支，由斯坦福大学的Charles R. Qi，Li（Eric）Yi，Hao Su，Leonidas J. Guibas提供。 有关详细信息，您可以参考原始的PointNet2论文和代码（ ）。 该分支专注于语义分割，目的是比较三个数据集：Scannet，Semantic-8和Bertrand Le Sa​​ux空中LIDAR数据集。 为此，我们清理，记录，重构和改进原始项目。 稍后，我们将把相同的数据集与另一个最新的语义分割项目SnapNet进行比较。 相关性和数据 我们使用3 GTX Titan Black和GTX Titan X在Ubuntu 16.04上工作。

pointnet++自制室外城市区域数据集

点网扫描网 在scannet数据集上测试Pointnet ++

pointnet的数据集 shapenetcore_partanno_segmentation_benchmark_v0.zip； 有币的走投币，没币的链接：https://pan.baidu.com/s/1E_W1_nBTuVsQzk1HDJYZig 提取码：g6eo

pointnet数据集modelnet40_ply_hdf5_2048，为了学习最原始的pointnet的网络，一般初学者最头疼的就是运行作者的源码（%99.999运行不出来，尤其是windows），下载的半个月才下载好。

pointnet分类分割数据集，以及未经处理的modelnet40数据集。已经在pointnet开源代码跑通了，txt为百度网盘链接，永久有效。

这是pointnet分割部分的训练数据集，由于上传限制，分割成两部分part1和part2，下载完成解压后，将文件夹直接拖入pointnet的data文件下即可。

modelnet40_ply_hdf5_2048数据集，适用于pointnet，下载后放入data文件夹便可运行train.py进行pointnet的分类。

本资源为论文pointnet++语义分割部分的的实验数据集。若有需要做论文复现的可自行取用。 该分享仅用于科学研究，如有侵权，联系删除！