动量更新与重构约束的限制视角下3D物品识别

来源：华东师范大学学报·哲学社会科学版杂志2023年第6期北京时间：

作者：崔瑞博, 王峰

摘要：提出了一个基于动量更新表示与重构约束的神经网络训练框架: 在视角标签信息缺失的限制性条件下, 使用2D (two-dimensional)图像进行3D (three-dimensional)物品识别. 首先, 使用自监督学习来解决训练过程中标签缺失的问题. 其次, 在动态队列基础上, 使用动量更新来保持物品表示的稳定性. 更进一步地, 在训练框架中加入自编码器模块, 利用重构约束使模型学习到的表示具有更多的语义信息. 最后, 提出动态队列递减策略, 解决训练过程中数据分布不均衡带来的准确度下降问题. 在2个广泛使用的多视角数据集ModelNet和ShapeNet上进行了实验, 结果表明所提方法具有良好的性能表现.

关键词：多视角物品识别,自监督学习,自编码器,