В результате были изучены формы представления трехмерных данных и в качестве результирующей выбрана воксельная. Разработана архитектура нейросети с использованием сверточных и рекуррентных технологий. Спроектирована и составлена структурная схема нейросетевой модели. В качестве инструментария для разработки использован язык программирования Python и фреймворк Tensorflow. Приведены программные алгоритмы для реализации фундаментальных и основных блоков сети. Проведена оценка качества отработки созданной модели на базе анализа графиков для потерь при обучении и валидации, а также трех метрик: Accuracy, RMS и IOU. Представлены результаты работы сети в виде выходных реконструированных трехмерных объектов.

As a result, the forms of representation of three-dimensional data were studied and voxel was chosen as the result. The neural network architecture has been developed using convolutional and recurrent technologies. A struct diagram of the neural network model was designed and compiled. The Python programming language and the Tensorflow framework were used as development tools. Software algorithms for the implementation of the fundamental and main blocks of the network are given. The quality of the developed model was assessed based on the analysis of graphs for training and validation losses, as well as three metrics: Accuracy, RMS, and IOU. The results of the network operation are presented in the form of output reconstructed three-dimensional objects.