背景 3D点云数据在行业中广泛用于表示现实世界中的形状。 与3D网格相比，像（x，y，z）这样的点的格式更加直观，并且与数学兼容。 更不用说3D点数据更易于存储和读取。 3d点数据的深度学习任务主要集中在对象分类和分割上。 目前用于解决这些任务的一种流行模型是PointNet，它在一组点上训练了排列不变模型。 但是，一组点也可以视为图形。 在此项目中，我们将探索在3d点云分类上使用图谱神经网络（GNN）并将其性能与PointNet进行比较。 数据集：ModelNet40和ShapeNet 在这

GNN-3d点网络

点神经网络 该存储库包含我们的的参考实现 CVPR 2020 。 如果您发现此代码对您的研究有用，请考虑引用我们的工作： InProceedings{Point-GNN, author = {Shi, Weijing and Rajkumar, Ragunathan (Raj)}, title = {Point-GNN: Graph Neural Network for 3D Object Detection in a Point Cloud}, booktitle = {The IEEE C