龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
摘要：本发明涉及一种融合ResNet和CoTNet的多视图三维模型分类方法。本发明首先对三维模型进行投影，得到二维视图集。在2DResNet模型中加入CBAM注意力模块和SENet注意力模块来增强网络的学习能力。以2DResNet模型为基础网络构造2DResNet‑CoTNet网络，将2DResNet与2DCoTNet并行结合，从二维视图中提取视图特征。采用形状描述符D1、D2、D3、Zernike矩和Fourier描述符来描述二维视图，并应用1DResNet来提取形状特征。将视图特征与形状特征进行融合，最后使用Softmax函数来确定三维模型的类别。本发明具有较好的三维模型分类效果，能更准确地解决三维模型分类问题。
主权项：1.融合ResNet和CoTNet的多视图三维模型分类方法，其特征在于，该方法主要包括以下步骤：步骤1：对Modelnet10中的三维模型进行投影得到二维视图集。步骤2：利用D1描述符来描述二维视图质心与边界上随机采样点之间的距离，利用D2描述符来描述二维视图边界上两个随机采样点之间的距离，利用D3描述符来描述二维视图边界上3个随机采样点所形成的三角形面积的平方根。步骤3：提取二维视图的Zernike矩，并采用标准矩的方法归一化到0,1范围。步骤4：取得二维视图的轮廓视图，提取它的一维傅立叶算子，除以直流分量标准化到0,1范围。步骤5：利用S1描述符来描述二维视图边界的紧致度，利用S2描述符描述二维视图边界上4个随机采样点所围成的四边形周长。步骤6：提取Modelnet10中三维模型的二维视图，提取二维视图的D1、D2、D3、Zernike矩、傅立叶算子、S1、S2形状描述符构成训练数据与测试数据。步骤7：设计2DResNet网络，与2DCoTNet并行结合得到2DResNet-CoTNet网络，设计1DResNet网络。步骤8：使用训练数据优化2DResNet-CoTNet和1DResNet，使用优化后的2DResNet-CoTNet和1DResNet对测试数据进行处理，经过卷积、池化、融合，在输出层中得到分类结果。
全文数据：
权利要求：
百度查询： 哈尔滨理工大学 融合ResNet和CoTNet的多视图三维模型分类
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号