基于分层学习的三维模型兴趣点提取算法

摘要：

针对基于学习的三维模型兴趣点提取问题,提出一种兴趣点分层学习的全监督算法.提取三维模型表面所有顶点的特征向量后,将人工标注的兴趣点分为稀疏点和密集点,对于稀疏点使用整个三维模型进行神经网络训练,对于密集点则找出兴趣点分布密集的区域进行单独的神经网络训练;然后对2个神经网络进行特征匹配,得到一个用于三维模型兴趣点提取预测的分类器.测试时,提取新输入的三维模型上所有顶点的特征向量,将其输入到训练好的分类器中进行预测,应用改进的密度峰值聚类算法提取兴趣点.算法采用分层学习的策略,解决了传统算法在模型细节处难以准确提取密集兴趣点的问题.在SHREC'11数据集上的实验结果表明,与传统算法相比,该算法提取兴趣点的准确率更高,出现的遗漏点和错误点更少,对解决越来越精细的三维模型的兴趣点提取问题有较大帮助.

关键词：三维模型、三维模型兴趣点、分层学习

所属期刊栏目：32

分类号：TP391.72(计算技术、计算机技术)

资助基金：国家自然科学基金;浙江省自然科学基金;宁波市自然科学基金;宁波市领军和拔尖人才培养工程择优资助科研项目;宁波市面向生命健康的智能大数据工程应用创新团队;宁波市科技计划项目;浙江大学CAD&CG国家重点实验室开放课题

在线出版日期：2020-06-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：222-232