基于卷积神经网络和投票机制的三维模型分类与检索

• 作者: 司庆龙 白静 秦飞巍
• 来源期刊: 计算机辅助设计与图形学学报
• 学科: 工学
• 关键词: 三维模型检索 卷积神经网络 投票机制 深度学习 非刚性三维模型
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 图像与视觉
• 页码范围: 303-314
• 页数: 12页
• 分类号: TP391.41
• 字数: 9218字
• 语种: 中文
• DOI: 10.3724/SP.J.1089.2019.17160

摘要

针对现有基于深度学习的三维模型多视图分类算法利用最大池化、平均池化等像素级运算完成视图信息的融合,可能造成模型有益信息淹没和混淆的问题,提出一种基于卷积神经网络和投票机制的三维模型分类检索算法.首先将三维模型转化为一组二维视图,然后基于丰富的数字图像库ImageNet和成熟的图像深度学习模型CaffeNet完成二维视图的分类,最后利用加权投票的方式完成三维模型的分类;同时基于投票机制,提出4种三维模型距离度量算法,支持三维模型的检索.将文中算法应用于刚性三维模型库ModelNet10,ModelNet40,非刚性三维模型库SHREC10,SHREC11和SHREC15中,分类准确率分别为93.18％,93.07％,99.5％,99.5％和99.4％,检索性能突出;并通过实验验证该算法的有效性.

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