| 基于分层学习的三维模型兴趣点提取算法 |
| |
| 引用本文： | 舒振宇, 杨思鹏, 辛士庆, 刘予琪, 龚梦航, 庞超逸, 胡超. 基于分层学习的三维模型兴趣点提取算法[J]. 计算机辅助设计与图形学学报, 2020, 32(2): 222-232. DOI: 10.3724/SP.J.1089.2020.17936 |
| |
| 作者姓名： | 舒振宇 杨思鹏 辛士庆 刘予琪 龚梦航 庞超逸 胡超 |
| |
| 作者单位： | 浙江大学宁波理工学院计算机与数据工程学院 宁波315100;浙江大学宁波研究院 宁波315100;浙江大学机械工程学院 杭州 310027;山东大学计算机科学与技术学院 青岛266237;浙江大学信息与电子工程学院 杭州 310027;浙江大学工程师学院 杭州 310027;浙江大学宁波理工学院信息科学与工程学院 宁波315100 |
| |
| 基金项目： | 宁波市领军;拔尖人才培养工程择优资助科研项目;国家重点实验室开放基金;浙江省自然科学基金;宁波市自然科学基金;宁波市科技计划;国家自然科学基金;宁波市面向生命健康的智能大数据工程应用创新团队 |
| |
| 摘 要： | 针对基于学习的三维模型兴趣点提取问题,提出一种兴趣点分层学习的全监督算法.提取三维模型表面所有顶点的特征向量后,将人工标注的兴趣点分为稀疏点和密集点,对于稀疏点使用整个三维模型进行神经网络训练,对于密集点则找出兴趣点分布密集的区域进行单独的神经网络训练;然后对2个神经网络进行特征匹配,得到一个用于三维模型兴趣点提取预测的分类器.测试时,提取新输入的三维模型上所有顶点的特征向量,将其输入到训练好的分类器中进行预测,应用改进的密度峰值聚类算法提取兴趣点.算法采用分层学习的策略,解决了传统算法在模型细节处难以准确提取密集兴趣点的问题.在SHREC’11数据集上的实验结果表明,与传统算法相比,该算法提取兴趣点的准确率更高,出现的遗漏点和错误点更少,对解决越来越精细的三维模型的兴趣点提取问题有较大帮助.
|
| 关 键 词： | 三维模型 三维模型兴趣点 分层学习 |
| 收稿时间： | 2019-06-23 |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
| 点击此处可从《计算机辅助设计与图形学学报》浏览原始摘要信息 |
|
点击此处可从《计算机辅助设计与图形学学报》下载全文 |
|
