基于注意力机制的三维模型多视图分类算法研究

作者：金妍君; 万旺根

来源：工业控制计算机, 2020, 33(06): 54-56.

• 多视图
• 三维模型分类
• 注意力机制

对于三维模型的分类,根据其不同的模型类型有不同的分类方法:利用三维模型多视角的二维视图进行分类,利用点云格式的三维模型分类以及利用体素模型进行分类。由于三维模型结构的复杂性和不规律性,且因为二维图像的标记数据量远远大于三维模型,所以一般使用三维模型的多视图图像来对三维模型进行分类研究。其中选择了多视图卷积神经网络(Multi-View Convolutional Neural Networks,MVCNN),因其网络结构不复杂,耗时适中且具有不错的分类结果。并通过向MVCNN中引入注意力机制,使得图像的主要特征位置以及特点显著,能够更好地对三维模型的图像进行特征提取以及分类。实验结果表明,引入注意力机制的多视图三维模型分类方法较原方法,能够将三维模型多视图的分类准确率提高约3%。

• 单位
  上海大学; 通信与信息工程学院