基于多局部显著视图与CNN的三维模型分类

• 作者: 刘振刚 司庆龙 白静 相潇 秦飞巍
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 局部视图 卷积神经网络 集成深度学习 显著视图 三维模型分类
• 年，卷（期）: 2018,（12）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 215-221,227
• 页数: 8页
• 分类号: TP18
• 字数: 5791字
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0051163

摘要

为提高基于视图的三维模型分类算法准确度,结合多局部显著视图与卷积神经网络(CNN)提出一种新的三维模型分类算法.提取三维模型多视角下的局部视图,引入显著性评价,建立多局部显著视图集合,以合理表征原始三维模型,兼顾数据表示的完整性和多样性.在此基础上,综合单视图CNN,利用bagging策略构建面向三维模型分类任务的集成深度学习模型,从而提高分类器的泛化性和准确率.在ModelNet10数据集上的实验结果表明,该算法可有效提高分类准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	白静	北方民族大学计算机科学与工程学院	14	55	4.0	7.0
2	秦飞巍	杭州电子科技大学计算机学院	10	29	3.0	5.0
3	司庆龙	北方民族大学计算机科学与工程学院	3	14	3.0	3.0
4	刘振刚	北方民族大学计算机科学与工程学院	3	3	1.0	1.0
5	相潇	北方民族大学计算机科学与工程学院	1	3	1.0	1.0