基于卷积神经网络和投票机制的三维模型分类与检索

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.

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

所属期刊栏目：31

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61762003, 61502129;宁夏自然科学基金2018AAC03124;宁夏高等学校一流学科建设电子科学与技术: NXYLXK2017A07;国家民族事务委员会"图像与智能信息处理创新团队";国家民族事务委员会中青年英才计划2016GQR08;浙江省自然科学基金LQ16F020004

在线出版日期：2019-04-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：303-314