基于卷积神经网络和投票机制的三维模型分类与检索

针对现有基于深度学习的三维模型多视图分类算法利用最大池化、平均池化等像素级运算完成视图信息的融合,可能造成模型有益信息淹没和混淆的问题,提出一种基于卷积神经网络和投票机制的三维模型分类检索算法.首先将三维模型转化为一组二维视图,然后基于丰富的数字图像库ImageNet和成熟的图像深度学习模型CaffeNet完成二维视图的分类,最后利用加权投票的方式完成三维模型的分类;同时基于投票机制,提出4种三维模型距离度量算法,支持三维模型的检索.将文中算法应用于刚性三维模型库ModelNet10,ModelNet40,非刚性三维模型库SHREC10, SHREC11和SHREC15中,分类准确率分别为93.18%, 93.07%, 99.5%, 99.5%和99.4%,检索性能突出;并通过实验验证该算法的有效性.     

基于多视图边界判别投影的高光谱图像分类

高光谱图像分类是遥感领域研究的热点问题,其关键在于利用高光谱图谱合一的 优势,同时融合高光谱图像中各个像元位置的光谱信息和空间信息,提高光谱图像分类精度。 针对高光谱图像特征维数高和冗余信息多等问题,采用多视图子空间学习方法进行特征降维, 提出了图正则化的多视图边界判别投影算法。将每个像元处的光谱特征看作一个视图,该像元 处的空间特征看作另一个视图,通过同时优化每个视图上的投影方向来寻找最优判别公共子空 间。公开测试数据集上的分类实验表明,多视图学习在高光谱图像空谱融合分类方面具有显著 的优越性,在多视图降维算法中,该算法具有最高的分类准确性。     

多模态特征融合与词嵌入驱动的三维检索方法

在基于点云和图像的三维模型分类检索中,现有特征融合方法忽略了模态内的特征信息和模态间的互补信息,存在融合特征丢失的问题,且分类标签和预测特征之间缺乏高维相关性,检索准确率较低。针对该问题,提出一种多模态特征和词嵌入联合驱动的网络结构,以对三维模型进行分类检索。在特征提取过程中,利用特征提取器提取来自点云和视图的三维模型特征,通过共享空间来对齐不同模态的特征。在模态融合过程中,计算不同模态之间的余弦相似度以增强模态特征,将增强特征进行拼接得到融合特征。在模型特征分类的过程中,通过建立词嵌入模型与分类标签的高维相关性实现三维模型特征的统一表示和分类检索。在ModelNet10和ModelNet40数据集上进行实验,结果表明,该网络的平均检索精度均值分别达到92.9%和91.5%,可以获取精准的三维模型特征描述符,与VoxNet、SCIF、MVCNN等检索方法相比,其能显著提高三维模型的检索精度和分类准确率。     

基于多模态特征融合的三维点云分类方法

针对点云数据本身信息量不足导致现有三维点云分类方法分类精度较低的问题,结合多模态特征融合,设计一种三维点云分类模型。通过引入投影图对点云数据信息进行扩充,将点云数据与图像数据同时作为输入,对PointCNN模型提取的点云特征与CNN模型提取的投影图特征进行加权融合,从而得到最终分类结果。在ModelNet40数据集上的分类结果表明,该模型的分类精度达到96.4%,相比PointCNN模型提升4.7个百分点。     

权值优化集成卷积神经网络及其在三维模型识别中的应用

三维模型应用广泛,如何有效地管理和分类这些数据库中的三维模型一直是人们 关注的问题。然而,由于不同三维模型之间的相似性难以测量,因而很难获得一种稳健且广泛 适用的三维模型分类算法。为此,提出了一种权值优化集成卷积神经网络(WOTCNN)模型,并 将其应用到三维模型的分类识别中。首先,获取三维模型的深度投影视图来最大限度地保留三维 模型的空间信息。然后,采用调整的 VGG 网络对各角度的深度投影图像进行训练并提取预测概 率值。最后,通过加权集成算法获得完整三维模型的最终分类结果。对 ModelNet10 及 ModelNet40 数据库的实验表明：三维模型的平均分类准确率达到 92.84%和 86.51%。在预测性能方面,该网 络优于普通的单卷积神经网络;在三维模型识别方面,其分类准确率能够得到显著提升。     

基于多模态关系建模的三维形状识别方法

为了充分利用点云和多视图两种模态数据之间的局部空间关系以进一步提高三维形状识别精度,提出一个基于多模态关系的三维形状识别网络,首先设计多模态关系模块(multimodal relation module, MRM),该模块可以提取任意一个点云的局部特征和一个多视图的局部特征之间的关系信息,以得到对应的关系特征.然后,采用由最大池化和广义平均池化组成的级联池化对关系特征张量进行处理,得到全局关系特征.多模态关系模块分为两种类型,分别输出点-视图关系特征和视图-点关系特征.提出的门控模块采用自注意力机制来发现特征内部的关联信息,从而将聚合得到的全局特征进行加权来实现对冗余信息的抑制.详尽的实验表明多模态关系模块可以使网络获得更优的表征能力;门控模块可以让最终的全局特征更具判别力,提升检索任务的性能.所提网络在三维形状识别标准数据集ModelNet40和ModelNet10上分别取得了93.8%和95.0%的分类准确率以及90.5%和93.4%的平均检索精度,在同类工作中处于先进水平.     

基于SVM的并行网络流量分类方法

针对SVM (support vector machine)算法应用到大规模网络流量分类中存在计算复杂度高、训练速度慢等问题,提出一种基于云计算平台进行并行网络流量分类的SVM方法,以提高对大数据集的分类训练速度.该方法是一种采用云计算平台构建多级SVM和映射规约(MapReduce)模型的方法.它将训练数据集划分为多个子训练数据集,通过对所有子训练数据集进行并行训练,得到支持向量集,进而训练出流量分类模型.实验结果表明,与传统的SVM方法相比,并行SVM网络流量分类方法在保持较高分类精度的前提下,有效地减少了训练时间,提高了大规模网络流量分类的速度.     

面向三维模型视图特征提取的残差卷积网络优化

在已有残差卷积神经网络基础上,采用加权损失函数提高视图特征的可分性,提出面向三维模型视图特征提取的残差卷积网络优化算法.首先对三维模型进行多视图渲染得到二维视图;然后通过残差网络扩展模块加深网络深度;最后采用中心损失函数和交叉熵损失函数定义加权损失函数,解决交叉熵损失函数因为类内距离小于类间距离而导致的特征不可分问题.在ModelNet数据集上的实验结果表明,该算法提取到的特征在三维模型分类问题上性能表现优异.     

优化的支持向量机集成分类器在非平衡数据集分类中的应用

传统的分类算法大都建立在平衡数据集的基础上,当样本数据不平衡时,这些学习算法的性能往往会明显下降.对于非平衡数据分类问题,提出了一种优化的支持向量机(SVM)集成分类器模型,采用KSMOTE和Bootstrap对非平衡数据进行预处理,生成相应的SVM模型并用复合形算法优化模型参数,最后利用优化的参数并行生成SVM集成分类器模型,采用投票机制得到分类结果.对5组UCI标准数据集进行实验,结果表明采用优化的SVM集成分类器模型较SVM模型、优化的SVM模型等分类精度有了明显的提升,同时验证了不同的bootNum取值对分类器性能效果的影响.     

改进的局部保持投影算法的多模型软测量

针对化工生产过程中软测量模型估计精度的问题,提出一种基于改进的局部保持投影算法的多模型建模方法。该方法通过有监督自适应权值的局部保持投影算法对输入数据空间进行特征提取,并结合最近邻分类器算法进行输入空间的划分,最后融合支持向量机实现多模型建模。仿真应用结果表明:将改进的局部保持投影算法应用在UCI数据库的Iris数据集的分类中,其分类精度高于基本的局部保持投影算法的分类精度;同时将改进的局部保持投影算法的多模型建模方法应用于双酚A生产的软测量多模型建模中,该方法能够有效的进行输入空间地划分,构建回归模型的数据更加合理,使得模型估计精度得到了提高,并具有更强的泛化能力。     

基于傅里叶变换的形状上下文描述方法

提出了一种新的基于傅里叶变换的形状上下文描述方法,与以前的形状上下文描述子相比,增加了天然的旋转不变性,同时描述子本身也更加简洁.该傅里叶形状描述子,将全局采样点的分布信息有机地结合到了每个采样点的特征描述中去,从而使代表不同形状的采样点集可以得到准确的鉴别匹配.进一步考虑点集之间仿射变换的代价,从而可以很好地运用到二维形状分类识别问题中去.该方法满足平移、缩放、旋转三个不变性,在形状有遮挡、缺损的情况下都可以取得较好的容错识别效果.     

SHAPE PRESERVING QUADRATIC SPLINEINTERPOLATION

ＳＨＡＰＥＰＲＥＳＥＲＶＩＮＧＱＵＡＤＲＡＴＩＣＳＰＬＩＮＥＩＮＴＥＲＰＯＬＡＴＩＯＮＣａｉｍｉｎｇＺｈａｎｇ；ＴａｋｅｓｈｉＡｇｕｉ；ＨｉｒｏｓｈｉＮａｇａｈａｓｈｉＳＨＡＰＥＰＲＥＳＥＲＶＩＮＧＱＵＡＤＲＡＴＩＣＳＰＬＩＮＥＩＮＴＥＲＰＯＬＡＴＩ...     

利用小波变换由明暗度恢复表面形状

本文提出利用小波变换多分辨率逼近锥来解决ＳｈａｐｅＦｒｏｍＳｈａｄｉｎｇ问题（即利用景物表面明暗度来恢复景物三维信息）的一个有效方法，多分辨率方法应用于ＳＦＳ问题主要是想使求解ＳＦＳ问题的选代算法得益于多分辨率方法带来的计算速度的提高及一个较精确的解的尽快收敛，直接作用于原始图像上的ＳＦＳ方法很多时候很难收敛．那么构造一个较好的多分辨率锥成为一个关键的问题；另外，用多分辨率方法解决ＳＦＳ问题引出了一个非线性问题，即由缩小分辨率的表面产生的反射光强度图像并不等于原来未缩小表面的反射光强度图像缩小分辨率所得的     

一种形状定位方法

物体形状的位置和方向往往是很重要的信息,它在形状识别和机器人视觉等方面都有广泛的用途.本文描述了一种计算机自动定位方法,实验证明是有效的,并具有算法简单、运算速度快、定位精度高的特点.     

噪声边界的保形平滑

本文给出了数字图象边界的多边形逼进的算法和步骤，讨论了边界噪声的去除，边界形状控制点的获取，提出了改进运算速度的递推算法以及保持尖点不变的拟合原理。     

形文件自动生成技术

形是AutoCAD软件定义的一类特殊图形,是解决特殊符号及汉字输入的基本手段。但由于它必须用特定的编码定义,所以形的生成并不容易。本文在仔细研究形的编码后,提出了形的自动编码方法,并对其算法原理和关键技术作了详细说明。     

从二维轮廓线重构三维二次曲面形状

由轮廓形状是计算机视觉研究的一个重要问题，通常Ｏｃｃｌｕｄｉｎｇ轮廓线用来恢复三维表面朝向、高斯曲率的符号等局部性质，本文则直接利用Ｏｃｃｌｕｄｉｎｇ轮廓线全避地恢复二次曲面形状，我们证明了两视图轮廓包含的信息不足以重构二次曲面，三幅视图对于恢复二次曲面三维表面是充分而且必要的。我们利用导出的不变量来建立二次曲面轮廓线夺不同视图的对应关系，最后我们给出线性最小二乘重建算法以及实验结果。     

一种2D形状设计方法

平面图案的设计，往往是通过对若干种基本图元配以不同的纹理，按某种色彩规律及布局方法组合而成。图元的种类与质量直接影响了设计后图案的美观与实用性。２Ｄ形状是构成平面图案的基础，本文详细介绍了一种实用的２Ｄ形状的设计方法，包括２Ｄ形状的表达方法与生成方法。该方法在实际的图案设计中得到了很好的验证。     

计算机辅助诊断中的肿瘤形状特征分类

为了克服传统的蛇形算法不能收敛于边缘凹陷处以及对蛇的初始化过于敏感的缺点,本文提出用基于可变形模型的梯度矢量流方法提取乳腺X光片中的肿瘤区域。在此基础上,提出三个新的基于边缘的价矩,和其它肿瘤的形状特征作为改进的支持向量机分类法的特征输入,进行恶性肿瘤和良性肿瘤的计算机辅助诊断,取得了良好效果。