網站連結:
http://www.semantic3d.net/view_dbase.php?chl=1
雖然PointCNN的論文中是沒有這塊實驗的,但是在github上,作者做了實驗,代碼也都發出來了。
Semantic3D是戶外場景點雲資料庫,為什麼要介紹這個資料庫呢?
因為我們使用‘戶外場景’的資料做實驗,這種論文能投的期刊範圍會更廣一些。比如遙感類的期刊,就很喜歡這種場景,它不喜歡ModelNet40這種隻有模型的資料庫。
這個資料庫分了兩種資料:
一種是semantic8,包含8類東西(1: man-made terrain, 2: natural terrain, 3: high vegetation, 4: low vegetation, 5: buildings, 6: hard scape, 7: scanning artefacts, 8: cars),訓練集和測試集各15個,其中一個訓練資料是這樣的:
這套資料集總共包含超過10億的點。作者怕你的算法消受不起,于是提供了一份壓縮版的, reduced8,點數就少多了。
點選data,下拉就可以選擇你要下載下傳的資料庫了。