基于Deep CoNet的三维模型检索研究与实现

发布时间：2024-05-22 22:06

　　当前,随着三维建模、扫描及计算机视觉等领域的不断发展,无人驾驶、三维场景漫游、智慧城市建设等相关技术的研究和应用受到了人们的广泛关注。三维模型识别作为场景理解中最具有挑战性的任务之一,其在计算机视觉和计算机图形学领域一直是被关注的焦点和研究的热点。识别的关键在于如何构造有效的特征表征。特别是对三维模型这类复杂的数据类型,其原始表征是非结构化的、高维的,如何让计算机自动、有效捕捉其本质特征一直是业界关注的热点和难点。深度学习作为一种特征自学习技术,能让机器自动学习客观对象的多层抽象和表示,从而理解复杂对象的内在含义,完成本质特征的提取,为三维模型的检索带来了新的研究方向。为此,针对三维模型检索问题,本文研究并实现了一种基于深度学习的三维模型多模态检索方法。提出了基于深度集成学习和度量学习的三维模型多视图分类算法,通过在视图分类中引入度量学习有效处理视图中难分样本提高三维模型的识别能力,通过在决策层实现多视图的集成确保三维模型特征描述符提取的合理性;提出了基于深度学习的多模态数据表征和相似性评价算法,实现不同模态数据对三维模型的有效检索;提出了基于Deep CoNet的三维模型多模态检索新...

【文章页数】：62 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
    1.3 本文研究内容
    1.4 论文组织结构
第二章 相关工作和技术
    2.1 引言
    2.2 三维模型检索概述
    2.3 深度学习算法概述
        2.3.1 人工神经网络
        2.3.2 卷积神经网络
        2.3.3 度量学习
    2.4 基于深度学习的三维模型分类方法
        2.4.1 基于体素的三维模型分类方法
        2.4.2 基于视图的三维模型分类方法
    2.5 本章小结
第三章 基于多视图的集成度量学习网络Deep CoNet
    3.1 引言
    3.2 算法思想
    3.3 三维模型的多视图表征
    3.4 集成度量学习网络Deep CoNet构建
        3.4.1 基于度量学习的基学习器
        3.4.2 集成学习器的构造
        3.4.3 级联损失函数
    3.5 网络训练
    3.6 算法测试及结果分析
        3.6.1 实验数据集选择
        3.6.2 三维模型分类实验
        3.6.3 度量学习对三维模型分类的影响
    3.7 本章小结
第四章 多模态数据表征及检索
    4.1 引言
    4.2 多模态检索框架
        4.2.1 基于文本的三维模型检索框架
        4.2.2 基于草图的三维模型检索框架
        4.2.3 基于实例的三维模型检索框架
    4.3 多模态数据表征
        4.3.1 文本的数据表征
        4.3.2 草图的数据表征
        4.3.3 实例的数据表征
    4.4 多模态相似评价
        4.4.1 基于文本的相似性度量
        4.4.2 基于草图的相似性度量
        4.4.3 基于实例的相似性度量
    4.5 多模态检索结果
        4.5.1 基于文本的三维模型检索结果
        4.5.2 基于草图的三维模型检索结果
        4.5.3 基于实例的三维模型检索结果
    4.6 本章小结
第五章 多模态三维模型检索系统的设计与实现
    5.1 引言
    5.2 功能需求分析
    5.3 系统总体设计
        5.3.1 系统设计原则
        5.3.2 系统架构
        5.3.3 数据库设计
    5.4 系统详细设计与实现
        5.4.1 基于文本的三维模型检索模块
        5.4.2 基于草图的三维模型检索模块
        5.4.3 基于实例的三维模型检索模块
        5.4.4 网络训练模块
    5.5 系统测试
    5.6 本章小结
第六章 总结和展望
    6.1 总结
    6.2 展望
参考文献
致谢
个人简介



本文编号：3980596