典型文献
基于深度集成及细节感知的细粒度三维模型分类
文献摘要：
针对基于深度学习的三维模型分类方法应用于细粒度三维模型分类时效果较差的问题,提出一种端到端的细粒度三维模型分类框架,并构建基于深度集成及细节感知的细粒度三维模型分类网络.通过由深度集成学习构成的主干网络提取三维模型多视图下的整体形状特征;采用基于上下文细节感知模块的辅助网络捕捉各个视图下的局部细节特征;两者相互融合,实现端到端的弱监督细粒度三维模型分类.选用公开数据集FG3D中不同难度的子数据集Airplane,Chair和Car进行实验,获得了当前最好的细分类精度,分别达到了96.31％,85.44％和79.62％的分类准确率,表明该网络具有良好的细分类性能和普适性.
文献关键词：
三维模型分类;细粒度分类;上下文细节感知;深度集成学习;弱监督
中图分类号：
作者姓名：
白静;姬卉;邵会会;武如嵩;秦飞巍
作者机构：
北方民族大学计算机科学与工程学院 银川 750021;国家民委图像图形智能处理实验室 银川 750021;杭州电子科技大学计算机学院 杭州 310018
文献出处：
引用格式：
[1]白静;姬卉;邵会会;武如嵩;秦飞巍-.基于深度集成及细节感知的细粒度三维模型分类)[J].计算机辅助设计与图形学学报,2022(10):1580-1589
A类：
深度集成学习,上下文细节感知,FG3D,Airplane
B类：
三维模型分类,分类方法,端到端,分类框架,分类网络,主干网络,多视图,形状特征,感知模块,细节特征,相互融合,弱监督,公开数据集,Chair,Car,细分类,分类精度,分类准确率,分类性能,细粒度分类
AB值：
0.210513
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。
