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。</