多视图融合的三维模型分类

摘要：

目前基于视图的三维模型分类已经成为一个研究热点.但是,现有的方法会产生大量冗余视图,且所有的视图都被平等对待,忽略了不同视图之间的差异性和重要性.针对以上问题,提出了多视图融合的三维模型分类方法.该方法首先使用加入混合域注意力机制的视图特征提取网络提取视图特征,然后对这些视图特征进行特征融合,将融合后的特征输入到加入通道域注意力机制的视图权重学习网络,根据不同视图对三维模型重要性不同赋予不同权重,形成具有代表性的特征描述符用于三维模型分类.实验结果表明,在刚性三维模型数据集ModelNet10和ModelNet40中分类准确率分别达到了98.3％和95.5％.

关键词：三维模型分类、卷积神经网络、注意力机制、特征融合

所属期刊栏目：27

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金;黑龙江省自然科学基金杰出青年项目

在线出版日期：2022-08-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：59-65