典型文献
局部-整体双向推理的文物无监督表征学习
文献摘要：
针对现有陶制文物表征学习方法是基于大量带标签数据的有监督学习方法,人工标记费时耗力且不能有效地学习到点云内在结构信息等问题,本文提出一种基于局部-整体双向推理的无监督表征学习方法.首先,提出多尺度壳卷积层级结构编码器提取不同尺度的文物碎片局部特征.其次,利用局部到整体推理模块将提取的局部特征映射得到全局特征,通过度量学习衡量两者之间差异,进行反复学习.然后,利用整体到局部推理模块以确保获取到的全局特征的质量.最后,在不同层次的局部结构和整体形状之间通过双向推理来学习文物点云表征,并将学习到的点云表征应用于分类下游任务.该网络模型在兵马俑数据集和ModelNet40公开数据集上的分类精度分别达到了93.33％和92.02％,分别高于PointNet 4.4％和2.82％.同时缩小了下游分类任务中无监督和有监督学习方法之间的差距.
文献关键词：
无监督表征学习;多尺度;深度学习;点云分类;文物虚拟修复
中图分类号：
作者姓名：
刘杰;耿国华;田煜;王毅;刘阳洋;周明全
作者机构：
西北大学文化遗产数字化国家地方联合工程研究中心,陕西西安710127;西北大学信息科学与技术学院,陕西西安710127
文献出处：
引用格式：
[1]刘杰;耿国华;田煜;王毅;刘阳洋;周明全-.局部-整体双向推理的文物无监督表征学习)[J].光学精密工程,2022(18):2241-2252
A类：
局部推理,文物虚拟修复
B类：
双向推理,无监督表征学习,陶制,标签数据,有监督学习,人工标记,费时,耗力,地学,内在结构,结构信息,卷积层,层级结构,结构编码,编码器,不同尺度,局部特征,特征映射,全局特征,度量学习,复学,取到,不同层次,局部结构,习文,云表,兵马俑,ModelNet40,公开数据集,分类精度,PointNet,分类任务,点云分类
AB值：
0.361278
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。
