典型文献
采用交替优化策略的三维模型兴趣点提取算法
文献摘要：
针对三维模型的兴趣点提取问题,提出一种基于交替优化的全监督检测算法.第1步,利用多种特征描述符对人工标注好的三维模型进行特征提取,得到每个顶点的特征向量,将其作为神经网络的输入;第2步,使用双调和距离场为模型表面顶点赋予概率标签,并将顶点标签值作为神经网络的输出;第3步,通过神经网络学习输入特征与输出标签之间的复杂映射关系;第4步,将训练后的神经网络对训练集进行预测,并把兴趣点提取结果与人工标签进行对比,根据对比差异进一步优化顶点标签值,然后将顶点标签值作为输出、顶点特征向量作为输入,继续优化神经网络.将第3步和第4步重复多次进行交替优化,最终得到一个较优的神经网络模型.在公开数据集SHREC 2011上的实验结果表明,由于采用了交替优化的策略,所提算法在三维模型表面兴趣点提取的关键评价指标FNE和FPE上均优于传统算法,准确率实现了平均11个百分点以上的提升.
文献关键词：
三维模型;兴趣点;交替优化
中图分类号：
作者姓名：
舒振宇;易顺;杨思鹏;刘予琪;隆威;金海容;辛士庆;吴双卿
作者机构：
浙大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;浙江大学CAD&CG国家重点实验室 杭州 310058;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 310015;山东大学计算机科学与技术学院 青岛 266237;浙大宁波理工学院信息科学与工程学院 宁波 315100
文献出处：
引用格式：
[1]舒振宇;易顺;杨思鹏;刘予琪;隆威;金海容;辛士庆;吴双卿-.采用交替优化策略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,2022(07):1095-1107
A类：
SHREC
B类：
交替优化,兴趣点,监督检测,检测算法,特征描述符,顶点,特征向量,双调和,距离场,神经网络学习,输入特征,映射关系,训练集,点特征,优化神经网络,公开数据集,FNE,FPE,传统算法,百分点
AB值：
0.293329
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
