三维模型检索
ltt1825548750
小学生
展开
-
基于卷积神经网络和投票机制的三维模型分类与检索 2019 论文笔记
作者:白静计算机辅助设计与图形学学报1、解决的问题由于三维模型投影得到的视图是由不同视点得到,具有相对独立性,这种像素级的融合运算并没有直接的物理或者几何意义,更有可能造成图像有益信息淹没和混淆。2、创新点提出基于卷积神经网络和投票机制的三维模型分类和检索算法。3、优点这种加权投票的分类思想既确保了三维物体各个视图间的相对独立性,又避免个别有歧义视图对物体类别判断的误导。4、缺点5、算法原理首先,利用多视图表征3D模型;其次,利用卷积神经网络完成基于视图的处.原创 2020-12-23 17:15:43 · 2184 阅读 · 1 评论 -
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。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、优点原创 2020-12-22 11:12:49 · 1511 阅读 · 0 评论 -
基于多模态融合的三维模型检索算法研究- 2020 论文笔记
核刊名称:计算机应用研究1、解决的问题:之前的算法只能融合特定模态的融合,本文提出了更具普适性的框架,可以综合不同模态的融合。2、摘要:基于深度学习模型研究了多模态融合的特征描述,在训练时使用新的相关性损失函数进行训练优化,以此提取出更加稳健的特征向量。从各个模态学习到的特征向量在训练步骤中相互指导以获得更稳健的特征表示。首先,提取每个三维模型的三个模态特征。点云模态提描述结构信息,多视图模态描述描述视觉信息,Panorama全景视图模态描述三维模型的表面信息。其次,提出的.原创 2020-12-21 18:47:36 · 1281 阅读 · 1 评论 -
Unet(2D Unet&3D Unet)和Vnet——图像分割
参考博客https://blog.csdn.net/qq_36484003/article/details/108874913https://blog.csdn.net/weixin_41424926/article/details/103105801目录2D U-net3D U-net。V-net2D U-net以全连接卷积神经网络为基础设计的。创新点:上采样,下采样,U型结构,短接通道(skip connection)下采样:传统的特征提取路径,简称压缩路径,原创 2020-12-21 11:26:36 · 12069 阅读 · 1 评论 -
59_3DCapsule: Extending the Capsule Architecture to Classify 3D Point Clouds 论文笔记
3DCapsule: Extending the Capsule Architecture to Classify 3D Point Clouds三维胶囊:扩展胶囊体系结构以分类三维点云Yongheng ZhaoCVPR 2019参考链接:https://blog.csdn.net/qq_26591517/article/details/80038823https://www.sohu.com/a/335800481_7157541、待解决的问题2、创新点3、优点4...原创 2020-12-21 11:28:18 · 551 阅读 · 2 评论 -
3D Radon Transform for Shape Retrieval Using Bag-of-Visual-Features_2020 论文笔记
3D Radon Transform for Shape Retrieval Using Bag-of-Visual-Features基于视觉特征包的3D radon变换形状模型检索摘要:为了提高三维模型检索特征提取的准确性和效率,本文提出了一种利用3D radon变换和视包( Bag-of-Visual-Features)特征提取特征的新方法。 首先,利用3D radon变换,利用不同角度的不同特征获得了一幅视图图像。 然后,利用SURF算法从视图的局部特征中提取一组局部描述符向量。 利用K均值算法原创 2020-12-21 11:27:25 · 342 阅读 · 0 评论 -
基于内容和语义的三维模型检索综述2020 论文笔记
裴焱栋2020计算机应用1、引言基于内容的三维模型检索:注重对模型物理性状的描述和模型的特征空间匹配计算。但是,人类对物体的分类除了依赖于物理形状特征,还会综合考虑物体的内涵、功能等高级信息。外形相似的模型可能属于不同的类别,而基于内容的三维模型检索无法提取到这种特征信息,因此在检索上遇到瓶颈,这种现象被称为语义鸿沟。因此,基于语义的三维模型检索技术开始成为热点,常见方法包括用户反馈、本体技术等。2、基于内容的三维模型检索1)基于统计数据(物理特征用统计学表示)的检索方.原创 2020-12-10 19:56:20 · 1461 阅读 · 0 评论 -
1_3D ShapeNets: A Deep Representation for Volumetric Shapes 2015 论文笔记
体积形状的深层表示法代码笔记:http://www.adv-ci.com/blog/source/cdbn/作者:Zhirong Wu等人1、解决的问题前人大部分依赖对模型的部分进行标记和训练网络。因为用3D数据进行目标检测和从2.5维图像中重构3D形状是个问题还有种类识别问题2、创新点提出用卷积深度信念网络(Convolutional Deep Belief Network,CDBN)将几何3D形状表示为3D体素网格上二元变量的概率分布。为了训练3D深度学习模型,构建了原创 2020-12-06 17:40:37 · 1657 阅读 · 0 评论 -
DGCNN:Dynamic Graph CNN for Learning on Point Clouds 论文笔记
https://www.cnblogs.com/hithongming/p/11869428.htmlhttps://blog.csdn.net/hongbin_xu/article/details/85258278原创 2020-12-05 20:17:08 · 424 阅读 · 0 评论 -
17-PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation 2017 论文笔记
PointNet: Deep Learning on Point Sets for 3D Classification and SegmentationPointNet:三维分类与分割中点集的深度学习论文地址:https://arxiv.org/pdf/1612.00593.pdf代码地址:https://github.com/ModelBunker/PointNet-TensorFlow解决的问题前人将这些三维数据转换为规则的三维体素网格或图像集合(例如,视图),然后将其输入到深网体系结构中。然原创 2020-10-08 15:37:11 · 458 阅读 · 0 评论 -
61_LDGCNN: Learning on Point Cloud via Linking Hierarchical Features 2019 论文笔记
Linked Dynamic Graph CNN: Learning on Point Cloud via Linking Hierarchical Features链接动态图CNN:基于链接层次特征的点云学习关键词深度学习,LDGCNN,点云,分类,分割解决的问题•DGCNN依赖于transformation network对点云进行预处理(延续了pointnet的思想)但是这个transformation network使得网络的size翻倍,参数量太大•深层特征及其邻域可能过于相似,无法提原创 2020-10-06 10:07:10 · 810 阅读 · 0 评论 -
58_3D2SeqViews:Aggregating Sequential Views for 3D Global Feature Learning by CNN with... 2019 论文笔记
Aggregating Sequential Views for 3D Global Feature Learning by CNN with Hierarchical Attention Aggregation使用分层注意聚合的CNN聚合顺序视图进行三维全局特征学习关键词:3D2SeqViews;层次注意力聚合;递归视图集成;视图注意力机制解决的问题:在深度学习模型中,视图聚合所带来的内容信息和空间关系的损失,通过更有效地聚合多个视图的内容信息和空间关系来学习三维特征仍然是一个研.原创 2020-10-02 10:32:07 · 394 阅读 · 0 评论 -
3D 点云形状特征的二维主流形描述 论文笔记 2020-9-29
3D 点云形状特征的二维主流形描述关键词形状特征;二维主流形;网格优化逼近;ICNP;三维检索解决的问题三维模型缺乏语义层的描述,故三维形状的特征描述方法成为极具挑战性的难题原理针对三维点云模型空间分布不均匀且无序的特征,首先构造其二维主流形,并以与球同胚的封闭网格形式给出主流形的二次曲面优化逼近,将三维点云模型的形状描述问题转换为球参数域上分布均匀、沿参数方向有序的二维主流形的参数化网格形状描述问题;然后,对二维主流形的参数化曲面网格进行三维平移、旋转和缩放等基本几何变换,对齐两个曲面流形网格原创 2020-09-29 16:04:11 · 786 阅读 · 0 评论 -
63_RS-CNN: Relation-Shape Convolutional Neural Network for Point Cloud Analysis 2019 论文笔记
RS-CNN:Relation-Shape Convolutional Neural Network for Point Cloud Analysis论文地址https://sci-hub.se/10.1109/cvpr.2019.00910讲解视频:https://www.bilibili.com/video/av61824733代码地址:https://github.com/Yochengliu/Relation-Shape-CNN关键词:新的卷积算子:关系形状卷..原创 2020-09-26 21:26:59 · 733 阅读 · 0 评论 -
62_LP-3DCNN: Unveiling Local Phase in 3D Convolutional Neural Networks 2019 论文笔记
LP-3DCNN: Unveiling Local Phase in 3D Convolutional Neural Networks代码地址:https://sites.google.com/view/lp-3dcnn/home(400错误找不到)关键词:Rectified Local Phase Volume (ReLPV) block(校正局部相位体积(ReLPV)块:局部相位模块、ReLU激活函数和一组可训练线性权值组成)ReLPV块代替3D卷积层问题:...原创 2020-09-26 09:48:55 · 782 阅读 · 1 评论