典型文献
面向三维目标的矢量型卷积网络
文献摘要：
目前,三维目标识别方法大多基于卷积神经网络,在特征聚合过程中过多使用池化层,导致三维目标的空间信息丢失.针对上述问题,文中提出面向三维目标的矢量型卷积网络,用于完成三维目标的识别.首先,使用曲面多项式拟合网格目标的局部区域.然后,使用聚类算法得出曲面形状卷积核,通过卷积核和目标表面的相似度度量生成结构感知的特征向量,再利用多头自注意力机制模块实现局部区域到更大范围的特征聚集,得到部件层次特征向量.最后,使用三维矢量型网络实现目标分类.文中网络在SHREC10、SHREC11、SHREC15数据集上均取得较高的分类精度.此外,多分辨率目标对比实验和多采样点对比实验验证文中网络具有较强的泛化性和鲁棒性.
文献关键词：
三维形状识别;矢量型卷积网络;结构感知;三维矢量网络
中图分类号：
作者姓名：
邱起璐;赵杰煜;陈瑜
作者机构：
宁波大学 信息科学与工程学院 宁波315211;浙江省移动网应用技术重点实验室 宁波315211
文献出处：
引用格式：
[1]邱起璐;赵杰煜;陈瑜-.面向三维目标的矢量型卷积网络)[J].模式识别与人工智能,2022(03):271-282
A类：
矢量型卷积网络,SHREC10,SHREC11,SHREC15,三维形状识别,三维矢量网络
B类：
三维目标识别,目标识别方法,特征聚合,池化,空间信息,信息丢失,出面,多项式拟合,局部区域,聚类算法,卷积核,相似度度量,生成结构,结构感知,特征向量,多头自注意力机制,注意力机制模块,现局,层次特征,实现目标,目标分类,中网,分类精度,多分辨率,采样点,泛化性
AB值：
0.280453
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。
