近些年,三維模型檢索領(lǐng)域使用深度學(xué)習(xí)的方式獲得了飛速發(fā)展,對(duì)于三維模型結(jié)構(gòu)復(fù)雜、信息量大等特點(diǎn),將其投影為2D圖像的識(shí)別方法取得了突出的效果,但對(duì)于投影方法以及深度學(xué)習(xí)的特征提取方法都對(duì)三維模型的識(shí)別效果存在不同程度的影響,本文針對(duì)三維模型的2D圖像的特征識(shí)別進(jìn)行研究,具體工作如下。(1)主成分分析方法(PCA)具有非相關(guān)性的特征壓縮能力,將深度學(xué)習(xí)與PCA方法相結(jié)合,降低整體的冗余特征,其中使用區(qū)域劃分方法極大地關(guān)注于局部特征的表達(dá),最后多視圖的三維模型使用均值融合方法表示其全局特征。在CNN框架中增加此方法后形成一個(gè)端到端的平衡主成分(Balanced Principal Component Network,BPCN)網(wǎng)絡(luò)。在ModelNet40數(shù)據(jù)集上的分類效果及mAP值分別從93.8%和93.2%提升到95%和94.6%,對(duì)每個(gè)類50個(gè)模型和數(shù)據(jù)庫(kù)每個(gè)類20個(gè)模型下的平均top-10檢索精度為98.5%,在ModelNet10上的平均top-10檢索精度100%。(2)在BPCN的基礎(chǔ)上優(yōu)化了主成分分析與深度學(xué)習(xí)的結(jié)合方式,自適應(yīng)冪權(quán)值方法通過改進(jìn)Box-Cox技術(shù)對(duì)奇異值特征進(jìn)...

【文章頁(yè)數(shù)】：79 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景及意義
    1.2 基于圖像的三維模型識(shí)別研究現(xiàn)狀
        1.2.1 基于三維模型固定視角投影方法
        1.2.2 基于三維模型最優(yōu)視角投影方法
        1.2.3 基于草圖的三維模型檢索方法
    1.3 基于三維結(jié)構(gòu)三維模型識(shí)別研究現(xiàn)狀
        1.3.1 基于點(diǎn)云的識(shí)別方法
        1.3.2 基于體積像素的識(shí)別方法
        1.3.3 基于擴(kuò)散幾何的識(shí)別方法
    1.4 研究?jī)?nèi)容及主要工作
    1.5 組織結(jié)構(gòu)
第二章 相關(guān)理論與技術(shù)
    2.1 三維模型數(shù)據(jù)集
    2.2 特征提取技術(shù)
        2.2.1 基于手工設(shè)計(jì)方法
        2.2.2 基于深度學(xué)習(xí)方法
    2.3 卷積神經(jīng)網(wǎng)絡(luò)
    2.4 自適應(yīng)特征
        2.4.1 后向傳播在卷積神經(jīng)網(wǎng)絡(luò)的應(yīng)用
        2.4.2 基于box-cox的自適應(yīng)特征在卷積神經(jīng)網(wǎng)絡(luò)中的應(yīng)用
        2.4.3 主成分分析在卷積神經(jīng)網(wǎng)絡(luò)中的自適應(yīng)表達(dá)
    2.5 檢索匹配的相似度度量
    2.6 檢索性能評(píng)估
    2.7 本章小結(jié)
第三章 平衡主成分分析網(wǎng)絡(luò)
    3.1 概述
    3.2 方法描述
        3.2.1 平衡主成分層的特征提取
        3.2.2 視圖到視圖的分類和檢索方法
    3.3 實(shí)驗(yàn)結(jié)果及分析
    3.4 本章小結(jié)
第四章 自適應(yīng)的動(dòng)態(tài)奇異值網(wǎng)絡(luò)
    4.1 概述
    4.2 方法描述
        4.2.1 動(dòng)態(tài)奇異值層的特征提取
        4.2.2 逐視圖分類和冪次距離檢索方法
    4.3 實(shí)驗(yàn)結(jié)果及分析
    4.4 本章小結(jié)
第五章 三維模型投影方法和自適應(yīng)分類方法的研究
    5.1 概述
    5.2 方法描述
        5.2.1 傾斜式投影方法
        5.2.2 模型庫(kù)分類方法
    5.3 實(shí)驗(yàn)結(jié)果及分析
    5.4 本章小結(jié)
第六章 總結(jié)與展望
    6.1 工作總結(jié)
    6.2 后續(xù)工作及展望
參考文獻(xiàn)
致謝
攻讀學(xué)位之間取得的科研成果



本文編號(hào)：4049506