基于端到端深度集成学习网络的三维模型分类方法

摘要

本发明公开了一种基于端到端深度集成学习网络的三维模型分类方法，该方法是采用端到端的深度学习集成策略，输入一个三维网格模型，提取多视图表征，建立包含基学习器和集成学习器的集成深度学习网络，自动提取三维模型的复合特征，完成模型分类。实验表明，本发明方法在ModelNet10、ModelNet40、SHREC10、SHREC11、SHREC15数据集上分别取得了96.04％、92.79％、98.33％,98.44％and98.63％的分类精度。这一结果明显优于其它多视图分类算法，也初步验证了本方法的有效性。