基于卷积-自动编码机的三维形状特征学习

• 作者: 熊岳山 王岳青 窦勇 谢智歌
• 来源期刊: 计算机辅助设计与图形学学报
• 学科: 工学
• 关键词: 卷积神经网络 自动编码机 超限学习机 三维特征提取
• 年，卷（期）: 2015,（11）
• 所属期刊栏目: 数据驱动的图形图像技术
• 页码范围: 2058-2064
• 页数: 7页
• 分类号: TP391.41
• 字数: 5697字
• 语种: 中文

摘要

三维形状特征在三维物体分类、检索和语义分析中起着关键的作用. 传统的三维特征设计过程繁复, 而且不能从已有的大量三维数据中自动学习而得. 在深度神经网络的研究领域中, 卷积神经网络和自动编码机是比较流行的 2 种网络结构. 在超限学习机的框架之下, 将两者结合起来, 提出一种基于卷积-自动编码机的三维特征自动学习方法. 实验结果表明, 文中方法的特征学习速度比其他深度学习方法提高约2个数量级, 且提取的特征在三维模型分类、三维物体检测等任务中都取得了良好的结果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	熊岳山	国防科学技术大学计算机学院	24	203	8.0	13.0
2	窦勇	国防科学技术大学并行与分布处理国家重点实验室	45	220	8.0	12.0
3	谢智歌	国防科学技术大学计算机学院	2	28	2.0	2.0
4	王岳青	国防科学技术大学并行与分布处理国家重点实验室	2	23	2.0	2.0