[发明专利]基于全局特征捕捉聚合的多视角神经网络的三维模型检索方法

摘要

一种基于全局特征捕捉聚合的多视角神经网络的三维模型检索方法，实现了对多视角图像间内在联系的挖掘，同时实现了对多视角图像的有效聚合，得到了拥有紧凑的高区分度的三维模型形状特征描述符,具体包含以下步骤：(1)模型多视图表示,(2)设计网络模型,(3)生成最难样本对,(4)训练网络模型,(5)提取深度特征,(6)进行模型检索;本发明通过使用非局部思想挖掘多视图网络之间的联系，同时通过加权局部聚合层将多视图特征融合，从而得到一个高区分度且紧凑的三维模型描述符。

主权项

1.基于全局特征捕捉聚合的多视角神经网络的三维模型检索方法，用于挖掘三维模型的多视图之间的潜在内在联系，以提高三维模型检索的性能，其特征在于，该方法的步骤包括：/n第1、三维模型的多视图表示/n该方法是基于三维模型的多视角表示来进行三维模型的检索，在得到三维模型数据之后，通过处理软件设置好视角角度，捕捉三维模型的对应视角角度视图图像；/n第2、设计网络模型/n根据三维模型检索的特点设计了专属的双链深度神经网络模型，用于训练学习适用于三维模型的特征表示；该双链深度神经网络模型包含5部分，分别为低维卷积层，非局部模块，高维卷积层，加权局部聚合层和分类层；同时设计了基于中心损失和成对边界损失的融合损失函数来增加不同类别三维模型之间的区分性；/n第3、生成最难样本对/n使用双链深度神经网络模型需要以样本对的形式作为输入，如果对所有样本都进行配对，那生成的样本对数目将极为庞大，而最难样本对是根据同类样本距离最远，不同类样本距离最近的原则来生成；/n第4、训练网络模型/n使用三维模型训练集来训练双链深度神经网络，双链深度神经网络通过目标函数来自我学习到能全面表示训练数据的网络模型参数；/n第5、提取深度特征/n在检索过程中，每个三维模型都使用特征表示，该方法使用第4步中训练好的网络模型参数来提取特征，网络模型输入为代表单个三维模型的多张视图图像，通过双链深度神经网络的特征提取与聚合，将多张视图图像特征聚合为单个三维模型特征；/n第6、进行三维模型检索/n给定一个三维模型，我们要在目标数据集中找到同该三维模型属于同类的三维模型即相关三维模型；三维模型检索中特征描述和距离度量方法是非常重要的，特征描述使用第5步提取的深度特征，距离度量方法使用欧氏距离公式，计算过程如下：/n /nx，y分别代表不同的三维模型，其中d(x,y)表示两个三维模型间的距离，x_i,y_i分别表示x的i维特征及y的i维特征。/n