使用LSTM学习多视图表示以进行3D形状识别和检索

【文件属性】：
文件名称：使用LSTM学习多视图表示以进行3D形状识别和检索
文件大小：2.1MB
文件格式：PDF
更新时间：2021-04-17 02:34:30
3D shape, multi-view, object recognition, 3D模型的形状表示是计算机视觉，多媒体分析和计算机图形学中的重要主题。 最近的基于多视图的方法展示了3D形状识别和检索的有希望的性能。 然而，大多数基于多视图的方法忽略了多视图的相关性或遭受高计算成本。 在本文中，我们提出了一种新颖的基于多视图的3D形状识别和检索网络架构器。 我们的网络将卷积神经网络（CNN）与长期短期记忆（LSTM）结合在一起，可以从多个视图中利用相关信息。 训练有素的带有残留连接的CNN首先用于提取从3D形状渲染的每个视图图像的低级特征。 然后，使用LSTM和序列投票层将这些特征聚合为形状描述符。 高速公路网络和三步训练策略也被采用来促进深层网络的优化。 在两个公共数据集上的实验结果表明，该方法在3D形状识别和3D形状检索方面都具有良好的表现。