python - 如何通过 TensorFlow 分析 3D 网格数据(在 .STL 中)

Question

我尝试用 python 编写一个脚本来分析 .STL 数据文件(3d 几何)，并说出哪个模型是凸的、凹的和水密的，并告诉其他属性...

我想使用 TensorFlow、scikit-learn 或其他机器学习库。创建一些包含带有标签的对象示例的数据库，并在将来添加更多示例，然后重新训练模型以获得更好的结果。

但我的问题是:我不知道如何重新计算或重组 3D 数据以在 ML 库中工作。我不知道。

感谢您的帮助。

Answer 1

您必须首先从数据集中提取“特征”。这些是固定维度向量。然后您必须定义定义预测的标签。然后，您必须定义损失函数和神经网络。将所有这些放在一起，您就可以训练分类器。

在您的示例中，您首先需要从对象中提取固定维度向量。例如，您可以提取对象并将其投影到 x、y 和 z 维度上的固定支撑上。这定义了功能。

对于每个对象，您需要标记它是凸面还是凹面。您可以通过手动、分析或通过分析创建已知凹或凸的对象来完成此操作。现在您拥有一个包含大量样本对(对象、is-concave)的数据集。

对于损失函数，您可以简单地使用负对数概率。

最后，底部带有一些卷积层的前馈网络可能是一个好主意。