数据集说明
数据集结构
├ trainset/
├── 0/
│ ├── [label]-xxxxx.npy
│ ├── ......
├── 1/
├── ......
├── 10/
│
├ testset/
├── 0/
│ ├── xxxxx.npy
│ ├── ......
├── 1/
├── ......
├── 10/
文件夹"0"为基类数据集，文件夹"1"-"10"为新类数据集的10个增量阶段数据。每个文件夹内包含.npy格式的点云数据，可以使用numpy.load(path)读取相应文件。在trainset中，文件命名保证依照"[label]-xxxxx.npy"格式，其中第一个"-"前的内容为该点云的类别名，可以使用filename.split('-')[0]获取相应标签。
数据集读取示例
class CONTESTCIL_train(Dataset):
def __init__(self, root='./trainset', session=0, name2id=None):
data_root = os.path.join(root,str(session),"train")
self.point_cloud = []
self.labels = []
self.session = session
self.session_label_num = [55,59,63,67,71,75,79,83,87,91,95]
for name in os.listdir(self.data_root):
self.point_cloud.append(os.path.join(data_root,name))
self.labels.append(name2id[name.split('-')[0]])
def get_cat_num(self):
return self.session_label_num[self.session]
def __getitem__(self, idx):
return np.load(self.point_cloud[idx]), self.labels[idx]
def __len__(self):
return len(self.labels)
class CONTESTCIL_test(Dataset):
def __init__(self, root='./testset', session=0):
self.session = session
self.session_label_num = [55,59,63,67,71,75,79,83,87,91,95]
data_root = os.path.join(root,str(session))
self.point_cloud = []
self.name = []
for name in os.listdir(self.data_root):
self.point_cloud.append(os.path.join(data_root,name))
self.name.append(name)
def get_cat_num(self):
return self.session_label_num[self.session]
def __getitem__(self, idx):
return np.load(self.point_cloud[idx]),self.name[idx]
def __len__(self):
return len(self.point_cloud)
答案提交
参赛选手需要提交 test.csv，其所需内容要求如下：
- 选手提交的答案文件，每行均包含两列，其中第一列为文件名称"XXX.npy"（输出内容无需加双引号），第二列为选手模型预测的标签，如"sofa"等。
- 选手对于每个增量阶段，均需要对该阶段测试集所有样本进行预测并输出。在每个增量阶段所有样本答案输出结束之后，请输出一行"END,END"用于标记该增量阶段结束。请注意：无效文件名，相同文件名重复输出均不会被统计。
- 具体格式可以参考主办方发布的"test.csv"文件，若存在提交格式问题需要确认，请联系主办方。