基于改进卷积神经网络的单幅图像物体重建方法

• 作者: 叶立志 夏丹 张玉麒 田元 陈亚松 陈加
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 卷积神经网络 三维重建 单幅图像 计算机视觉
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 图像处理与应用
• 页码范围: 190-195
• 页数: 6页
• 分类号: TP3
• 字数: 3175字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2019.06.036

摘要

为了提高基于图像的三维重建的重建效果,基于深度学习的方法已经成为近年来研究的重点.针对目前存在的方法中特征提取效果差、重建细节缺失且计算量巨大的问题,提出一种改进卷积神经网络的单个物体重建方法.通过加入改进的Inception-resnet模块来提升网络的特征提取能力,采用多种网络结构提取多特征,通过多特征依次输入3D-LSTM模块中以增强单幅图像的重建效果.实验结果表明,该方法不仅能够得到更好的重建效果,重建出更多的细节,同时在训练中花费更少的时间.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	田元	华中师范大学教育信息技术学院	17	56	5.0	6.0
2	夏丹	华中师范大学教育信息技术学院	15	70	4.0	8.0
3	陈加	华中师范大学教育信息技术学院	2	13	1.0	2.0
4	张玉麒	华中师范大学教育信息技术学院	2	9	1.0	2.0
5	叶立志	华中师范大学教育信息技术学院	1	0	0.0	0.0
6	陈亚松	华中师范大学教育信息技术学院	1	0	0.0	0.0