基本信息:
- 专利标题： 基于特征融合和投票机制的三维模型分类方法
- 申请号：CN202310133992.4 申请日：2023-02-18
- 公开(公告)号：CN116468929B 公开(公告)日：2025-10-10
- 发明人： 高雪瑶 , 闫少康 , 张春祥
- 申请人： 哈尔滨理工大学
- 申请人地址： 黑龙江省哈尔滨市南岗区学府路52号
- 专利权人： 哈尔滨理工大学
- 当前专利权人： 哈尔滨理工大学
- 当前专利权人地址： 黑龙江省哈尔滨市南岗区学府路52号
- 主分类号： G06V10/764
- IPC分类号： G06V10/764 ; G06V10/80 ; G06V10/82 ; G06V10/44 ; G06V10/48 ; G06V10/54 ; G06N3/0442 ; G06N3/045 ; G06N3/08 ; G06T17/00
摘要：
本发明涉及一种基于特征融合和投票机制的三维模型分类方法。本发明首先对三维模型数据集中的训练模型和测试模型进行预处理，得到一组表征三维模型的二维视图，通过计算得到视图的低层形状特征：D1、D2、D3、Zernike矩、Fourier描述子和KSP特征。使用RegNet设计空间实现视图高层语义特征的提取。利用Concat对从训练模型获取的视图低层形状特征与高层语义特征进行融合，得到训练数据。利用Concat对从测试模型获取的视图低层形状特征与高层语义特征进行融合，得到测试数据。然后，利用训练数据对RegNet设计空间和LSTM进行优化，利用优化后的RegNet设计空间和LSTM从测试数据的融合特征中提取判别特征，再输入到Softmax中，利用投票算法对Softmax输出的概率分布进行投票，得到测试数据的分类结果。本发明对三维模型实现了很好的分类，更准确地预测出三维模型的真实类别。
公开/授权文献:
- CN116468929A 基于特征融合和投票机制的三维模型分类方法 公开/授权日：2023-07-21