局部几何与全局结构联合感知的三维形状分类方法

作者：张晓辉; 何金海; 兰鹏燕; 徐圣斯^*

来源：计算机应用研究, 2023, 40(12): 3828-3833.

DOI：10.19734/j.issn.1001-3695.2023.04.0170

• 深度学习
• 形状分类
• 三维形状
• 图卷积
• 局部几何
• 全局结构

针对复杂结构的三维形状分析与识别问题，提出了新颖的图卷积分类方法，建立了局部几何与全局结构联合图卷积学习机制，有效提高了三维形状数据学习的鲁棒性与稳定性。首先，通过最远点采样与最近邻方法构造局部图，并建立动态卷积算子，有效提取局部几何特征；同时，基于特征域采样构造全局的特征谱图，通过卷积算子获得全局结构信息。进而，构建加权的联合图卷积学习网络模型，引入注意力机制，实现自适应的特征融合。最终，在联合优化目标函数约束下，有效提高特征学习的性能。实验结果表明，融合局部几何与全局结构的联合图卷积网络学习机制，有效提高了深度特征的表示能力及区分性，具有更优秀的识别力和分类性能。该研究方法可应用于大规模三维场景识别、三维重建以及数据压缩，在机器人、产品数字化分析、智能导航、虚拟现实等领域具有着重要的工程意义与广泛的应用前景。

• 单位
  辽宁师范大学; 大连工业大学