基于多局部显著视图与CNN的三维模型分类

来源：计算机工程杂志2018年第12期北京时间：

作者：白静,相潇,司庆龙,刘振刚,秦飞巍

单位：1.北方民族大学 计算机科学与工程学院,银川 750021; 2.杭州电子科技大学 计算机学院,杭州 310018

摘要：为提高基于视图的三维模型分类算法准确度,结合多局部显著视图与卷积神经网络(CNN)提出一种新的三维模型分类算法。提取三维模型多视角下的局部视图,引入显著性评价,建立多局部显著视图集合,以合理表征原始三维模型,兼顾数据表示的完整性和多样性。在此基础上,综合单视图CNN,利用bagging策略构建面向三维模型分类任务的集成深度学习模型,从而提高分类器的泛化性和准确率。在ModelNet10数据集上的实验结果表明,该算法可有效提高分类准确率。

关键词：局部视图,卷积神经网络,集成深度学习,显著视图,三维模型分类

基金资助：国家自然科学基金(61762003,61502129);浙江省自然科学基金(LQ16F020004);宁夏高等学校一流学科建设项目(NXYLXK 2017A07);国家民委中青年英才计划项目(2016GQR08)