基于残差网络的三维模型检索算法

摘要：

近年来,基于视图的3D模型检索已经成为计算机视觉领域的重点研究方向.3D模型检索算法包括特征提取和检索算法两个部分,且鲁棒的特征对于检索算法起着决定性的作用.目前,研究者们已经提出了许多人工设计特征和深度学习特征,但是很少有人比较它们的异同.因此,文中对不同的人工设计特征和深度学习特征的性能进行了评估分析,基于充分对比的前提,采用了多个数据集、多样的评价标准和不同的检索算法进行了实验,并进一步比较了深度网络不同层特征对性能的影响,从而提出了基于残差网络的三维模型检索算法.在多个公开数据集上的实验表明:1)残差网络所提取的深度特征相较于传统特征,综合性能提升了1％～20％;2)与VGG网络所提取的深度特征相比,残差网络的综合性能提升了1％～5％;3)VGG网络中不同层特征的性能也有差异,深层特征与浅层特征相比,综合性能提升了1％～6％;4)随着网络深度的增加,残差网络所提取的特征的综合性能得到了有限提高,且比其他对比特征均更加鲁棒.

关键词：3D模型检索、特征提取、人工特征、深度特征、残差网络

所属期刊栏目：46

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金61872270,61572357;天津市应用基础与前沿技术研究计划14JCZDJC31700;天津市自然科学基金13JCQNJC0040

在线出版日期：2019-05-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：148-153