基于深度卷积神经网络的三维模型检索

摘要：

为了更有效地利用三维模型数据集进行特征的自主学习,提出一种使用自然图像作为输入源,以三维模型的较优视图集为基础,通过深度卷积神经网络的训练提取深度特征用于检索的三维模型检索方法.首先,从多个视点对三维模型进行视图提取,并根据灰度熵的排序选取较优视图;然后,通过深度卷积神经网络对视图集进行训练,从而提取较优视图的深度特征并进行降维,同时,对输入的自然图像提取边缘轮廓图,经过相似度匹配获得一组三维模型;最后,基于检索结果中同类模型总数占检索列表长度的比例对列表进行重排序,从而获得最终的检索结果.实验结果表明,该算法能够有效利用深度卷积神经网络对三维模型的视图进行深度特征提取,同时降低了输入源的获取难度,有效提高了检索效果.

关键词：三维模型检索、视图选取、特征提取、深度学习

所属期刊栏目：46

分类号：TP391(计算技术、计算机技术)

资助基金：浙江省自然科学基金LY16F020033

在线出版日期：2019-03-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：278-284