تمثيل الشكل ثلاثي الأبعاد ومعالجته له تأثيرات كبيرة على التعرف على الشكل ثلاثي الأبعاد. يعتبر الشبكة المضلعة (الشبكة متعددة الزوايا) كطريقة لتمثيل الشكل ثلاثي الأبعاد لها العديد من المزايا في الرسوميات الحاسوبية ومعالجة الهندسة. ومع ذلك، لا تزال هناك بعض التحديات للطرق القائمة على الشبكات العصبية العميقة (DNN) في تمثيل الشبكة المضلعة، مثل التعامل مع التباينات في درجات الرؤوس وتسلسلها ومسافاتها الثنائية. لتجاوز هذه التحديات، نقترح طريقة قائمة على الشبكات العصبية العميقة (PolyNet) وتمثيل شبكة مضلعة محدد (PolyShape) بهيكل متعدد الدقة. يحتوي PolyNet على عمليتين؛ (1) عملية الالتفاف متعدد الحدود (PolyConv) ذات المعاملات القابلة للتعلم، والتي تتعلم التوزيعات المستمرة كمرشحات ارتباطية لتشارك الأوزان عبر الرؤوس المختلفة، و(2) إجراء تقليص مضلع (PolyPool) باستخدام هيكل PolyShape المتعدد الدقة لجمع الخصائص في بعد أقل بكثير. تظهر تجاربنا قوة ومزايا PolyNet في مهام تصنيف واسترجاع الأشكال ثلاثية الأبعاد مقارنة بالطرق القائمة على الشبكات المضلعية الحالية وأفضليتها في تصنيف تمثيلات الرسوم البيانية للصور. الكود متاح بشكل عام من الرابط https://myavartanoo.github.io/polynet/.