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！

申请/专利权人：哈尔滨理工大学

摘要：本发明涉及一种三元组网络的多视图特征融合三维模型分类方法。本发明首先对三维模型进行预处理，通过投影得到一组表征三维模型的二维视图集，利用DRSNDeepResidualShrinkageNetwork从二维视图中提取视图特征。采用形状特征描述符D1、D2、D3和边缘纹理特征E‑LBP来描述二维视图，并与视图特征进行融合得到视图融合特征。然后，利用香农熵对视图显著性进行排序，并使用基于LSTM的三元组多视图特征融合网络进行多视图特征融合，提出中心锚困难三元组损失，联合交叉熵损失来优化基于LSTM的三元组多视图特征融合网络。利用优化后的基于LSTM的三元组多视图特征融合网络从三维模型的二维视图集中提取多视图融合特征，并经过全连接层和softmax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，能更准确地预测出三维模型的真实类别。

主权项：1.一种三元组网络的多视图特征融合三维模型分类方法，其特征在于，该方法包括以下步骤：步骤1：对三维模型数据集进行数据预处理，投影得到一组表征三维模型的二维视图集；步骤2：利用形状特征描述符描述二维视图，利用D1形状特征描述符来描述二维视图中心点到边界随机点的距离，利用D2形状特征描述符来描述二维视图中两个边界点之间的距离，利用D3形状特征描述符来描述二维视图中三个边界点所构成面积的平方根；步骤3：提取二维视图的边缘纹理特征，利用E-LBP特征向量表示二维视图边缘纹理信息，并将E-LBP特征向量与D1、D2、D3形状特征描述符进行拼接得到整体形状特征GSFGlobalShapeFeatures；步骤4：将三维模型集划分为三维模型训练集和三维模型测试集，从三维模型训练集中提取三维模型的二维视图和GSF作为训练数据，从三维模型测试集中提取三维模型的二维视图和GSF作为测试数据；步骤5：设计视图特征提取网络DRSN，使用训练数据来优化DRSN；步骤6：从三维模型训练集中选取锚定样本、正样本以及负样本构成三元组训练数据；步骤7：设计基于LSTM的三元组多视图特征融合网络以及中心锚困难三元组损失LCAH，利用三元组训练数据来优化基于LSTM的三元组多视图特征融合网络，将测试数据输入到优化后的基于LSTM的三元组多视图特征融合网络提取多视图融合特征，并输入到Softmax分类器进行分类。

全文数据：

权利要求：

百度查询： 哈尔滨理工大学 三元组网络的多视图特征融合三维模型分类方法