文档名：姿态非对齐的三维模型分类
摘要：目前的三维模型分类方法均是对初始姿态已经对齐的数据集进行分类,但是在实际应用中,三维模型的姿态是未知的,非对齐的三维模型将导致分类准确率急剧下降.本文提出了一种新的三维模型分类方法,适用于模型姿态对齐和非对齐两种情况.该方法采用图卷积神经网络(GraphConvolutionalneuralNetwork,GCN)学习视图间的空间关系,将预先设置好的相机位置作为图结构中的顶点,并通过时序特征提取网络以及注意力网络进一步提升GCN的运算效果,从而完成三维模型的分类.实验表明,该方法在ModelNet10和ModelNet40数据集上进行实验,在三维模型姿态对齐的情况下,分类准确率分别高达99.3％和97.4％,远高于现有方法.在三维模型姿态非对齐的情况下,也有较高的分类准确率.
作者：丁博 高源 范宇飞 何勇军Author：DINGBo GAOYuan FANYu-fei HEYong-jun
作者单位：哈尔滨理工大学计算机科学与技术学院,黑龙江哈尔滨150080
刊名：电子学报 ISTICEIPKU
Journal：ActaElectronicaSinica
年，卷(期)：2023, 51(9)
分类号：TP391.4
关键词：三维模型分类 三维模型姿态 图卷积神经网络 注意力机制
Keywords：3Dmodelclassification 3Dmodelpose graphconvolutionalneuralnetwork attentionmechanism
机标分类号：TP391TP273TP181
在线出版日期：2023年12月26日
基金项目：姿态非对齐的三维模型分类[
期刊论文] 电子学报--2023, 51(9)丁博 高源 范宇飞 何勇军目前的三维模型分类方法均是对初始姿态已经对齐的数据集进行分类,但是在实际应用中,三维模型的姿态是未知的,非对齐的三维模型将导致分类准确率急剧下降.本文提出了一种新的三维模型分类方法,适用于模型姿态对齐和非对...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
姿态非对齐的三维模型分类 3D Model Classification for Non-Aligned Poses
姿态非对齐的三维模型分类.pdf
- 文件大小:
- 2.98 MB
- 下载次数:
- 60
-
高速下载
|
