ZS3D-Net:面向三维模型的零样本分类网络

摘要：

零样本三维模型分类对于三维形状的理解和分析非常重要.针对当前零样本三维模型分类缺乏相应数据集且准确率低的问题,设计并构建零样本三维模型数据集ZS3D,提供包括41个类1677个非刚性三维模型数据及所有类别的完备属性表征,为零样本三维模型的分类研究提供了数据基准;提出一种面向零样本三维模型分类的深度学习网络ZS3D-Net,通过集成学习子网络有效地提取三维模型的视觉特征信息,通过语义流形嵌入子网络捕捉未知类和已知类视觉特征和语义特征之间的关联性,完成对未知类的识别.在传统三维模型数据集和ZS3D上,ZS3D-Net分别取得了30.0％和58.6％的分类精度,表明其在同类工作中处于相当或领先的水平,验证了其可行性及有效性.

关键词：零样本学习、深度学习、语义流形嵌入、三维模型分类

所属期刊栏目：34

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;国家自然科学基金;宁夏自然科学基金项目;中国科学院“西部之光”人才培养引进计划;宁夏优秀人才支持计划

在线出版日期：2022-08-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：1118-1126