El reconocimiento de características de mecanizado es un tema de investigación destacado en los últimos años. Una nube de puntos es un formato de representación de datos geométricos de modelos tridimensionales (3D). El uso de redes neuronales convolucionales (CNN) basadas en nubes de puntos para el reconocimiento de características de mecanizado ha recibido una atención investigativa creciente. Sin embargo, estas redes basadas en nubes de puntos suelen tener una gran complejidad y tiempo de entrenamiento. En este artículo, se propone una red neuronal de puntos basada en un muestreo selectivo para el reconocimiento de características de mecanizado. En primer lugar, se construye un conjunto de datos de características de mecanizado llamado MFDataset que contiene 33 tipos de características. En segundo lugar, se presenta un algoritmo de muestreo selectivo de los puntos de entrada, que elimina puntos no importantes mientras mantiene los importantes. En el reconocimiento de características de mecanizado único, se propone MFPointNet utilizando el muestreo selectivo de los puntos de entrada. En el reconocimiento de características de mecanizado múltiples, se adopta la parte de segmentación de MFPointNet con el algoritmo de muestreo selectivo para segmentar y reconocer múltiples características. En comparación con otras redes basadas en nubes de puntos, los resultados experimentales muestran que MFPointNet reduce la complejidad computacional sin perder básicamente la precisión del reconocimiento. MFPointNet es más robusto ante la complejidad del modelo cuando se introducen más puntos de características de mecanizado en la red. Además, varios modelos de características intersecadas validan el rendimiento de segmentación de MFPointNet.