基于深度卷积神经网络的三维模型检索_2019 论文笔记

刘志

计算机科学

1、解决的问题

为了提高三维数据的自主学习特征能力。

视图选取的问题：

（1）视图冗余度过高

（2）在不同类别的模型下提取的视图质量不一，难以找到具有普适性的视图选取方法。

（3）训练数据不均衡，对较优视图集进行深度卷积神经网络的训练产生影响。

当前深度学习在三维模型特征提取遇到的问题：

１ ） 同一个三维模型在不同视点下提取的视图 之间存在较大的差异， 这会对训练过程产生一定的干扰 ；

２ ） 三 维模型现有的数据规模远少于自然图像， 因此直接基于三维 模型视图集对卷积神经网络进行训练难以获得令人满意的效果。

2、创新点

使用简单背景下的自然图像作为输入源，以三维模型的较优视图集为基础，对其提取边缘轮廓，通过深度卷积神经网络的训练提取深度特征，以此来实现三维模型检索

3、优点

该算法能够有效利用深度卷积神经网络对3D模型的视图进行深度特征提取，同时还降低了输入源的获取难度，有效提高了检索效果。

本文方法降低了视图提取数量， 同时均衡了不同类别下的较优视图总量 ， 为下文卷积神经网络的训练提供了良好的数据基础。

4、缺点

本文算法的检索结果在鱼、床等分类上的效果一般， 经过观察发现这些分类下线条提取的效果不够理想。</