في هذه الدراسة، نصف طريقة جديدة وشاملة وفعالة لتصنيف السحاب النقطية غير المنتظمة. وبما أن مسألة الاستخدام الفعّال للشبكات العصبية التلافيفية العميقة (CNNs) على البيانات ثلاثية الأبعاد لا تزال مسألة معلّقة، نقترح إطارًا يعمل على تطبيق الشبكات العصبية التلافيفية على عدة رؤى ثنائية الأبعاد (أو لقطات) للسحاب النقطي. يتكون النهج من ثلاث أفكار أساسية. (أولاً) نختار العديد من اللقطات المناسبة للسحاب النقطي. ونُنتج نوعين من الصور: رؤية بألوان الأحمر-الأخضر-الأزرق (RGB)، ورؤية مركبة للعمق تحتوي على خصائص هندسية. (ثانيًا) نقوم بتصنيف كل نقطة في الصور الثنائية الأبعاد باستخدام الشبكات التلافيفية الكاملة (Fully Convolutional Networks)، مع اختبار هندسات مختلفة لتحقيق دمج مُنتِج للإدخالات المتنوعة. (ثالثًا) أخيرًا، نُجري عملية إعادة تقييم سريعة للتنبؤات التصنيفية إلى الفضاء ثلاثي الأبعاد باستخدام تعبئة فعّالة لتسمية كل نقطة ثلاثية الأبعاد. تُظهر التجارب أن طريقتنا مناسبة لأنواع متعددة من السحاب النقطية، مثل بيانات الليدار أو البيانات الفوتوغرامية.