基于卷积神经网络和投票机制的三维模型分类与检索

作者：白静; 司庆龙; 秦飞巍

来源：计算机辅助设计与图形学学报, 2019, 31(02): 303-314.

• 三维模型检索
• 卷积神经网络
• 投票机制
• 深度学习
• 非刚性三维模型

针对现有基于深度学习的三维模型多视图分类算法利用最大池化、平均池化等像素级运算完成视图信息的融合,可能造成模型有益信息淹没和混淆的问题,提出一种基于卷积神经网络和投票机制的三维模型分类检索算法.首先将三维模型转化为一组二维视图,然后基于丰富的数字图像库ImageNet和成熟的图像深度学习模型CaffeNet完成二维视图的分类,最后利用加权投票的方式完成三维模型的分类;同时基于投票机制,提出4种三维模型距离度量算法,支持三维模型的检索.将文中算法应用于刚性三维模型库ModelNet10,ModelNet40,非刚性三维模型库SHREC10, SHREC11和SHREC15中,分类准确率分别为93.18%, 93.07%, 99.5%, 99.5%和99.4%,检索性能突出;并通过实验验证该算法的有效性.

• 单位
  杭州电子科技大学; 北方民族大学