基于卷积神经网络的高效三维模型检索方法

• 作者: 汤磊 丁博 何勇军
• 来源期刊: 电子学报
• 学科: 工学
• 关键词: 模型检索 模型分类 代表性视图 卷积神经网络
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 学术论文
• 页码范围: 64-71
• 页数: 8页
• 分类号: TP391
• 语种: 中文
• DOI: 10.12263/DZXB.20191268

摘要

目前基于视图的三维模型检索已经成为一个研究热点.该方法首先将三维模型表示为二维视图的集合,然后采用深度学习技术进行分类和检索.但是现有的方法在精度和效率方面都有待提升.本文提出了一种新的三维模型检索方法,该方法包括索引建立和模型检索.在索引建立阶段,选择代表性视图输入到训练好的卷积神经网络(Convolutional Neural Network,CNN)中以提取特征和分类,进而根据特征类别对特征进行组织以建立索引在检索阶段,使用CNN和投票算法将输入模型的代表性视图分类为一个类别,然后仅选择这个类别的特征而不是所有类别的特征进行相似度匹配,因此减少了搜索空间.此外,随着用于检索的视图数量的逐渐增加,一旦可以确定三维模型,检索过程将提前终止.实验的数据选用刚性三维模型数据集ModelNet10,ModelNet40和非刚性三维模型数据集McGill10.结果表明,该方法在提升检索效率的同时,确保检索准确率分别高达94％、92％和100％.