环视图表示下的无监督三维物体检索

摘要：

为了解决基于多视图的三维物体检索方法过度依赖基于人工标注的有监督训练的问题,提出了一种基于环视图的无监督三维物体检索算法.首先,训练面向多圈环视图的无监督深度网络模型,通过随机数据混合增强学习不同形状之间的内在联系;其次,基于最优匹配方法计算物体间的相似性,其中,最优匹配是利用2个物体环视图间最小距离的平均值计算得到;最后,利用环视图特征过滤算法去除冗余数据,能够在保持精度稳定的情况下,有效地减少相似性匹配的计算代价.在ModelNet40数据集和SHREC15数据集上进行实验,文中方法精度指标mAP分别为41.2％和54.5％.实验结果表明,该无监督三维物体检索方法取得了优异的性能,有效地降低了人工标注的成本.

关键词：三维物体检索、无监督、环视图、深度学习、随机混合

所属期刊栏目：33

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61806063,61902101,61802100,61772161

在线出版日期：2021-05-26（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：765-771