倾斜式投影作为前端和模型库分类作为后端的三维模型识别方法

摘要

对于模型到模型(shape-to-shape)的识别,已有的多视图方法由于存在信息缺失问题,使得其作为2D卷积神经网络的前端会导致错误的学习,并且使用SVM作为后端会保留这些错误信息,从而增大分类工作的困难.通过改进多视图的投影方法和三维模型分类的方法提高分类精度和效率.使用倾斜式的角度可以最大程度捕捉信息,增大模型与模型之间的特征差异,而模型库分类方法通过建立一个模型库,去除前端学习的错误信息.倾斜式多视图投影法较当今优秀方法分类精度提升0.4％ ～ 1.3％,模型库分类法较SVM提升0.5％ ～ 1.5％.该方法ModelNet40数据集的最高分类精度达到了96.9％,在ModelNet10数据集上最高为98.5％,分类所需时间较SVM减少50％～66％.