基于香农熵代表性特征和投票机制的三维模型分类

来源：电子与信息学报杂志2024年第4期北京时间：

作者：高雪瑶, 闫少康, 张春祥

单位：哈尔滨理工大学计算机科学与技术学院 哈尔滨 150080

摘要：目前基于视图的3维模型分类方法存在单视图视觉信息不充分、多视图信息冗余的问题，且同等对待所有视图会忽略不同投影视角之间的差异性。针对上述问题，该文提出一种基于香农熵代表性特征和投票机制的3维模型分类方法。首先，通过在3维模型周围均匀设置多个视角组来获取表征模型的多组视图集。为了有效提取视图深层特征，在特征提取网络中引入通道注意力机制；然后，针对Softmax函数输出的视图判别性特征，使用香农熵来选择代表性特征，从而避免多视图特征冗余；最后，基于多个视角组的代表性特征利用投票机制来完成3维模型分类。实验表明：该方法在3维模型数据集ModelNet10上的分类准确率达到96.48%，分类性能突出。

关键词：3维模型分类, 注意力机制, 香农熵代表性特征, 投票机制

基金资助：国家自然科学基金(61502124, 60903082)，中国博士后科学基金(2014M560249)，黑龙江省自然科学基金(LH2022F031, LH2022F030, F2015041, F201420)