-
公开(公告)号：CN110968715B
公开(公告)日：2022-08-05
申请号：CN201811134857.7
申请日：2018-09-28
Applicant: 哈尔滨理工大学
IPC: G06F16/53 , G06F16/583 , G06V10/764 , G06V10/82
Abstract: 本发明提出一种基于非均匀投影的三维模型检索方法，该方法通过描述三维模型表面信息量，刻画三维模型的不同位置所包含的信息量差异，同时给出基于信息量差异的视图拍摄方法。对于信息量稀疏的区域产生少量投影，对于信息量密集的区域产生较多的投影。采用非均匀的投影方法在保证模型描述精度的前提下，减少冗余信息，然后再利用三维模型提取出全景视图，将投影视图与全景图作为特征视图集。其次将特征视图集作为卷积神经网(Convolutional Neural Network,CNN)的输入，提取出视图集的深度特征并进行降维处理，将处理后的描述符作为模型检索的特征。最后计算该特征的欧式距离作为检索结果。此方法不仅利用全景图解决了非均匀投影视图缺少三维模型关联信息的问题，同时还采用非均匀投影视图解决了全景视图缺少三维模型完成信息的缺点。并且利用CNN对模型进行先分类再检索，有效提高了模型的检索速度与效率。
-
公开(公告)号：CN110737788B
公开(公告)日：2022-05-31
申请号：CN201910980788.X
申请日：2019-10-16
Applicant: 哈尔滨理工大学
IPC: G06F16/51 , G06F16/583 , G06V10/74 , G06V10/762 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 快速的三维模型索引建立及检索方法，本发明涉及三维模型检索过程中，二维视图表征三维模型存在冗余的问题以及检索效率低下的问题。目前基于视图的三维模型检索是先将三维模型投影成二维视图集合，然后采用深度学习技术对其进行分类和检索。然而,现有的方法在精度和效率方面都有待提升。为此，本发明采用K‑means方法选出代表性视图来替代投影所产生的所有视图，极大的减少了投影视图的数量。然后利用训练好的卷积神经网络(CNN)提取具有代表性的特征，并将特征按类别建立索引。检索时，利用CNN首先将代表性视图分到一个类别中，然后相似度匹配仅在该类别中进行而不是所有类别。通过这种方式，减少了检索算法的搜索空间。此外，本发明提出了一种视图递增的检索方法，该方法在满足条件时，提前终止检索，使得检索平均时间进一步减少，再次提高了检索效率。本发明应用于三维模型检索。
-
公开(公告)号：CN110968715A
公开(公告)日：2020-04-07
申请号：CN201811134857.7
申请日：2018-09-28
Applicant: 哈尔滨理工大学
IPC: G06F16/53 , G06F16/583 , G06K9/62
Abstract: 本发明提出一种基于非均匀投影的三维模型检索方法，该方法通过描述三维模型表面信息量，刻画三维模型的不同位置所包含的信息量差异，同时给出基于信息量差异的视图拍摄方法。对于信息量稀疏的区域产生少量投影，对于信息量密集的区域产生较多的投影。采用非均匀的投影方法在保证模型描述精度的前提下，减少冗余信息，然后再利用三维模型提取出全景视图，将投影视图与全景图作为特征视图集。其次将特征视图集作为卷积神经网(Convolutional Neural Network,CNN)的输入，提取出视图集的深度特征并进行降维处理，将处理后的描述符作为模型检索的特征。最后计算该特征的欧式距离作为检索结果。此方法不仅利用全景图解决了非均匀投影视图缺少三维模型关联信息的问题，同时还采用非均匀投影视图解决了全景视图缺少三维模型完成信息的缺点。并且利用CNN对模型进行先分类再检索，有效提高了模型的检索速度与效率。
-
公开(公告)号：CN110737788A
公开(公告)日：2020-01-31
申请号：CN201910980788.X
申请日：2019-10-16
Applicant: 哈尔滨理工大学
IPC: G06F16/51 , G06F16/583 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 快速的三维模型索引建立及检索方法，本发明涉及三维模型检索过程中，二维视图表征三维模型存在冗余的问题以及检索效率低下的问题。目前基于视图的三维模型检索是先将三维模型投影成二维视图集合，然后采用深度学习技术对其进行分类和检索。然而,现有的方法在精度和效率方面都有待提升。为此，本发明采用K-means方法选出代表性视图来替代投影所产生的所有视图，极大的减少了投影视图的数量。然后利用训练好的卷积神经网络(CNN)提取具有代表性的特征，并将特征按类别建立索引。检索时，利用CNN首先将代表性视图分到一个类别中，然后相似度匹配仅在该类别中进行而不是所有类别。通过这种方式，减少了检索算法的搜索空间。此外，本发明提出了一种视图递增的检索方法，该方法在满足条件时，提前终止检索，使得检索平均时间进一步减少，再次提高了检索效率。本发明应用于三维模型检索。
-
-
-
Search Results
4
records
(took 0.027 seconds)
