摘要：
合集：AI案例-CV-制造业
数据集：普林斯顿大学ModelNet10数据集(2015)
AI问题：3D物体分类
数据集价值：用于训练 3D 深度学习模型（如 PointNet、VoxNet、MeshCNN）
一、问题描述
普林斯顿 ModelNet 数据集首次发布是在 2015年。该数据集由普林斯顿大学计算机科学系的研究人员发布，这些类别是从各种实际的物体中提取的，旨在提供一个用于三维物体识别、分类以及其他计算机视觉任务的标准数据集。数据集包含了多种不同类别的CAD（计算机辅助设计）模型。该数据集包含了多个类别，每个类别有大量的三维物体模型。数据集还包括不同的尺寸和多样化的物体姿势，帮助评估不同的3D识别算法。
二、数据集内容
下面是 ModelNet10 数据集中的其中 10个类，常用于3D物体分类任务：
1. Airplane (飞机)
2. Bathtub (浴缸)
3. Bed (床)
4. Chair (椅子)
5. Desk (桌子)
6. Door (门)
7. Dresser (衣柜)
8. Monitor (显示器)
9. Sofa (沙发)
10. Table (桌子)
数据格式
文件格式相关的说明：
1.CAD模型保存为OFF文件格式。
2.您可以在Meshlab中打开它http://meshlab.sourceforge.net
3.可以使用Matlab中的以下函数加载模型：
http://vision.princeton.edu/pvt/RenderMe/RenderDepth/offLoader.m
对象文件格式 (.off)
Object File Format (.off) 文件用于通过指定模型表面的多边形来表示模型的几何形状。这些多边形可以有任意数量的顶点。 普林斯顿形状基准测试中的 .off 文件遵循以下标准。OFF 文件都是以关键字 OFF 开头的 ASCII 文件。下一行声明了顶点的数量、面的数量和边的数量。边的数量可以安全地忽略。 顶点按 x、y、z 坐标列出，每行一个。在顶点列表之后，列出了面，每行一个面。对于每个面，指定顶点的数量，后跟顶点列表中的索引。请参见下面的示例。 请注意，早期版本的模型文件中的面有指向顶点列表的 -1 索引。这是由于转换程序中的错误造成的，现在应该已经纠正。
OFF numVertices numFaces numEdgesx y zx y z... numVertices like aboveNVertices v1 v2 v3 ... vNMVertices v1 v2 v3 ... vM... numFaces like above
请注意，顶点编号从 0 开始（而不是从 1 开始），并且 numEdges 总是为零。 一个简单的立方体示例：
OFF8 6 0-0.500000 -0.500000 0.5000000.500000 -0.500000 0.500000-0.500000 0.500000 0.5000000.500000 0.500000 0.500000-0.500000 0.500000 -0.5000000.500000 0.500000 -0.500000-0.500000 -0.500000 -0.5000000.500000 -0.500000 -0.5000004 0 1 3 24 2 3 5 44 4 5 7 64 6 7 1 04 1 7 5 34 6 0 2 4
引用要求
Please cite the following document if you use this dataset:
Z. Wu, S. Song, A. Khosla, X. Tang, and J. Xiao
3D ShapeNets for 2.5D Object Recognition and Next-Best-View Prediction
arXiv:1406.5670 [cs.CV]
数据集版权许可协议
该数据集通常被授权用于 学术研究、论文发表 和其他 非商业性研究。任何使用该数据集的研究人员都需要确保自己的研究是为学术目的，而非直接的商业用途。
三、获取案例套装
文件包大小：470 MB