【3D 图像分类】基于 Pytorch 的 3D 立体图像分类1（基础篇）

在我们一般的图像数据的采集场景中，得到的大多是二维图像。比如手机拍照，所以大多数深度学习网络的雏形都是基于二维图像展开的工作。

但是，在某些场景下，比如医学影像CT数据，监控场景连续拍摄的视频和自动驾驶使用到的激光点云等等，多是连续的、多层的、有深度信息的数据。

此时，层内的信息，和层与层之间的层间深度信息，也是一个重要的特征信息。所以，实现三维的目标分类任务，也是必不可少的。想想很复杂，但是动手实操了，才能理解其中的内容。

本文就对三维图像分类任务展开介绍，主要是自己的实战记录过程。包括：

1. 3维网络构建部分
2. 3维数据构建部分
3. 训练和测试
4. 对基础部分进行修改，提高性能

下面一点点的进行详述。完整的代码和数据样例和处理生成方式，都放到这个链接了，自己去下载：基于Pytorch的3D立体图像分类完整代码和LIDC结节分叶征数据集

只是下载处理后的数据样例，可以去这里：LIDC-IDRI结节3D分叶征、实变征象、毛刺征数据集

一、构建3维网络

三维网络我们不熟