基于深度学习的B-Rep模型分类及特征可视化研究
发布时间：2020-09-08 12:46
目前三维建模在家具、游戏动画、机械制造等领域应用广泛,三维模型的数量有了较大的增长,相应地给管理及生产设计带来了困难。因此,为了解决对现有三维模型的检索和重用需要,三维模型分类技术应运而生。如何在尽可能完美地表达三维模型形状的情况下对三维模型识别是当前的研究热点。传统的三维模型分类方法主要依赖工程师人工设计特征进行分类,时间消耗冗长且分类精度低。鉴于三维数据高维性和复杂性的特点,直接用于表达三维形状,计算代价大,特征提取过程复杂。与传统分类方法不同,深度学习通过模拟人类大脑信息处理机制,训练机器自动学习特征进行分类。在大规模的三维模型分类过程中,主观判断降低,效率明显。本文在深度学习算法特别是卷积神经网络在图像和自然语言领域广泛应用的基础上,考虑在三维模型分类中引入深度学习算法。主要研究工作如下:(1)提取多角度视图表征三维模型。三维模型本身具有复杂性,常用的分类算法中存在输入限制,需要对模型数据进行转化。视图作为对三维模型的直观描述,获取方便,并且可以直接输入深度学习模型。单一视角提取的模型视图包含信息较少,本文通过设置三维模型运动轨迹,渲染拍摄,获取三维模型多个角度的视图。对多个视图进行整理、拼贴,使其包含更为完整的三维模型信息。(2)提出了一种基于卷积神经网络的三维模型分类方法。首先,利用卷积神经网络构建网络模型,进行训练;然后,使用训练得到的模型提取三维模型的层次特征,并利用提取的特征完成分类。另外,将模型各网络层提取的特征作为形状索引,结合K最近邻算法分类,对比不同网络层的分类效果。(3)可视化(2)提取的层次特征。首先,直接对卷积层和池化层提取的特征进行可视化,以显示过滤器学习特征的过程;然后构建反卷积网络可视化,将网络各层提取的重要特征映射到像素空间。使用可视化的特征,重构三维模型。确定网络对特征的“喜好”,调整网络模型结构,影响最后的分类结果。(4)实验结果表明,基于特征可视化改进的网络模型能有效地提高B-Rep模型的分类精度,解决三维模型分类问题。
【学位单位】：山东师范大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TP391.41;TP18
【部分图文】：
图２－１邋ＭＰ神经元模型逡逑输入，ｗｉ￣ｗｎ是相应神经元的元接收到其他神经元发送的信比较，然后通过激活函数生成一个神经网络。在ＭＰ神经元的感知机模型。感知机通过输入行处理。逡逑神经元具有处理功能，学习能力解决非线性可分性问题，因此能的隐藏层，形成多层感知器来部信号，隐藏层和输出层处理信习能力也在增强，同时网络参层网络。逡逑
逡逑ＢＰ算法是神经网络最成功的训练算法。它主要应用于多层前馈神经网络。常用的“ＢＰ逡逑网络”是指由ＢＰ算法训练的多层前馈神经网络［３３］。具体的网络结构如图２－２所示。逡逑输出层？＂…＃■＃逡逑~栧义鲜淙瞬阕义贤迹玻插澹拢型缃峁瑰义希拢兴惴ㄔ诖车纳窬缯虼ブ屑尤肓宋蟛罘聪虼ァＴ谘盗分校淙胄藕攀族义舷缺淮偷绞淙氩悖辉谝夭憬兄鸩愦砗痛浜螅玫绞涑霾憬峁⒓扑闼鹗В蝗珏义瞎绲氖导适涑鲇朐て谑涑霾黄ヅ洌此鹗Т笥谏柚玫你兄担蚪蟛罱蟹聪虼ィ诲义显诜聪虼ス讨校涑霾愕奈蟛畋淮匾夭悖⒏菸蟛畹髡鞑闵窬娜ㄖ睾豌绣义现担谎氛虼ズ头聪虼チ礁龉蹋钡绞涑鑫蟛钚∮谏瓒ǖ你兄祷虼锏阶畲蟮五义鲜埂Ｓ捎冢拢兴惴ú捎锰荻认陆挡呗岳吹髡ㄖ兀蓖绻婺１浯笫被岢鱿痔荻确⑸㈠义衔侍狻ｅ义希玻保成疃妊澳Ｐ湾义仙疃妊埃ǎ模澹澹疱澹蹋澹幔颍睿椋睿纾模蹋├丛从诙裕粒危蔚难芯浚桑龋椋睿簦铮畹热嗽冢玻埃埃赌晏徨义铣觯郏常矗荨Ｊ导噬
本文编号：2814198
【学位单位】：山东师范大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TP391.41;TP18
【部分图文】：
图２－１邋ＭＰ神经元模型逡逑输入，ｗｉ￣ｗｎ是相应神经元的元接收到其他神经元发送的信比较，然后通过激活函数生成一个神经网络。在ＭＰ神经元的感知机模型。感知机通过输入行处理。逡逑神经元具有处理功能，学习能力解决非线性可分性问题，因此能的隐藏层，形成多层感知器来部信号，隐藏层和输出层处理信习能力也在增强，同时网络参层网络。逡逑
逡逑ＢＰ算法是神经网络最成功的训练算法。它主要应用于多层前馈神经网络。常用的“ＢＰ逡逑网络”是指由ＢＰ算法训练的多层前馈神经网络［３３］。具体的网络结构如图２－２所示。逡逑输出层？＂…＃■＃逡逑~栧义鲜淙瞬阕义贤迹玻插澹拢型缃峁瑰义希拢兴惴ㄔ诖车纳窬缯虼ブ屑尤肓宋蟛罘聪虼ァＴ谘盗分校淙胄藕攀族义舷缺淮偷绞淙氩悖辉谝夭憬兄鸩愦砗痛浜螅玫绞涑霾憬峁⒓扑闼鹗В蝗珏义瞎绲氖导适涑鲇朐て谑涑霾黄ヅ洌此鹗Т笥谏柚玫你兄担蚪蟛罱蟹聪虼ィ诲义显诜聪虼ス讨校涑霾愕奈蟛畋淮匾夭悖⒏菸蟛畹髡鞑闵窬娜ㄖ睾豌绣义现担谎氛虼ズ头聪虼チ礁龉蹋钡绞涑鑫蟛钚∮谏瓒ǖ你兄祷虼锏阶畲蟮五义鲜埂Ｓ捎冢拢兴惴ú捎锰荻认陆挡呗岳吹髡ㄖ兀蓖绻婺１浯笫被岢鱿痔荻确⑸㈠义衔侍狻ｅ义希玻保成疃妊澳Ｐ湾义仙疃妊埃ǎ模澹澹疱澹蹋澹幔颍睿椋睿纾模蹋├丛从诙裕粒危蔚难芯浚桑龋椋睿簦铮畹热嗽冢玻埃埃赌晏徨义铣觯郏常矗荨Ｊ导噬
本文编号：2814198
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/2814198.html
