目前三維建模在家具、游戲動(dòng)畫、機(jī)械制造等領(lǐng)域應(yīng)用廣泛,三維模型的數(shù)量有了較大的增長,相應(yīng)地給管理及生產(chǎn)設(shè)計(jì)帶來了困難。因此,為了解決對(duì)現(xiàn)有三維模型的檢索和重用需要,三維模型分類技術(shù)應(yīng)運(yùn)而生。如何在盡可能完美地表達(dá)三維模型形狀的情況下對(duì)三維模型識(shí)別是當(dāng)前的研究熱點(diǎn)。傳統(tǒng)的三維模型分類方法主要依賴工程師人工設(shè)計(jì)特征進(jìn)行分類,時(shí)間消耗冗長且分類精度低。鑒于三維數(shù)據(jù)高維性和復(fù)雜性的特點(diǎn),直接用于表達(dá)三維形狀,計(jì)算代價(jià)大,特征提取過程復(fù)雜。與傳統(tǒng)分類方法不同,深度學(xué)習(xí)通過模擬人類大腦信息處理機(jī)制,訓(xùn)練機(jī)器自動(dòng)學(xué)習(xí)特征進(jìn)行分類。在大規(guī)模的三維模型分類過程中,主觀判斷降低,效率明顯。本文在深度學(xué)習(xí)算法特別是卷積神經(jīng)網(wǎng)絡(luò)在圖像和自然語言領(lǐng)域廣泛應(yīng)用的基礎(chǔ)上,考慮在三維模型分類中引入深度學(xué)習(xí)算法。主要研究工作如下:(1)提取多角度視圖表征三維模型。三維模型本身具有復(fù)雜性,常用的分類算法中存在輸入限制,需要對(duì)模型數(shù)據(jù)進(jìn)行轉(zhuǎn)化。視圖作為對(duì)三維模型的直觀描述,獲取方便,并且可以直接輸入深度學(xué)習(xí)模型。單一視角提取的模型視圖包含信息較少,本文通過設(shè)置三維模型運(yùn)動(dòng)軌跡,渲染拍攝,獲取三維模型多個(gè)角度的視圖。對(duì)多個(gè)視圖進(jìn)行整理、拼貼,使其包含更為完整的三維模型信息。(2)提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)的三維模型分類方法。首先,利用卷積神經(jīng)網(wǎng)絡(luò)構(gòu)建網(wǎng)絡(luò)模型,進(jìn)行訓(xùn)練;然后,使用訓(xùn)練得到的模型提取三維模型的層次特征,并利用提取的特征完成分類。另外,將模型各網(wǎng)絡(luò)層提取的特征作為形狀索引,結(jié)合K最近鄰算法分類,對(duì)比不同網(wǎng)絡(luò)層的分類效果。(3)可視化(2)提取的層次特征。首先,直接對(duì)卷積層和池化層提取的特征進(jìn)行可視化,以顯示過濾器學(xué)習(xí)特征的過程;然后構(gòu)建反卷積網(wǎng)絡(luò)可視化,將網(wǎng)絡(luò)各層提取的重要特征映射到像素空間。使用可視化的特征,重構(gòu)三維模型。確定網(wǎng)絡(luò)對(duì)特征的“喜好”,調(diào)整網(wǎng)絡(luò)模型結(jié)構(gòu),影響最后的分類結(jié)果。(4)實(shí)驗(yàn)結(jié)果表明,基于特征可視化改進(jìn)的網(wǎng)絡(luò)模型能有效地提高B-Rep模型的分類精度,解決三維模型分類問題。
【學(xué)位單位】：山東師范大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2019
【中圖分類】：TP391.41;TP18
【部分圖文】：

圖２－１邋ＭＰ神經(jīng)元模型逡逑輸入，ｗｉ￣ｗｎ是相應(yīng)神經(jīng)元的元接收到其他神經(jīng)元發(fā)送的信比較，然后通過激活函數(shù)生成一個(gè)神經(jīng)網(wǎng)絡(luò)。在ＭＰ神經(jīng)元的感知機(jī)模型。感知機(jī)通過輸入行處理。逡逑神經(jīng)元具有處理功能，學(xué)習(xí)能力解決非線性可分性問題，因此能的隱藏層，形成多層感知器來部信號(hào)，隱藏層和輸出層處理信習(xí)能力也在增強(qiáng)，同時(shí)網(wǎng)絡(luò)參層網(wǎng)絡(luò)。逡逑

逡逑ＢＰ算法是神經(jīng)網(wǎng)絡(luò)最成功的訓(xùn)練算法。它主要應(yīng)用于多層前饋神經(jīng)網(wǎng)絡(luò)。常用的“ＢＰ逡逑網(wǎng)絡(luò)”是指由ＢＰ算法訓(xùn)練的多層前饋神經(jīng)網(wǎng)絡(luò)［３３］。具體的網(wǎng)絡(luò)結(jié)構(gòu)如圖２－２所示。逡逑輸出層？＂…＃■＃逡逑~栧義鮮淙瞬闋義賢跡玻插澹攏型緗峁瑰義希攏興惴ㄔ詿車納窬繒虼ブ屑尤肓宋蟛罘聰虼�。灾J盜分�，输入信号首辶x舷缺淮偷絞淙氬悖輝諞夭憬兄鴆憒硨痛浜�，得到g涑霾憬峁⒓撲闥鶚�；全k義瞎緄氖導(dǎo)適涑鲇朐て謔涑霾黃ヅ�，即所槯大又G柚玫你兄擔(dān)蚪蟛罱蟹聰虼ィ誨義顯詵聰虼ス討校涑霾愕奈蟛畋淮匾夭�，并根据误差调整疙^閔窬娜ㄖ睪豌繡義現(xiàn)擔(dān)謊氛虼ズ頭聰虼チ礁齬�，咒^絞涑鑫蟛钚∮諫瓚ǖ你兄禱虼锏階畬蟮五義鮮埂Ｓ捎冢攏興惴ú捎錳荻認(rèn)陸擋唄岳吹髡ㄖ�，当网戮J婺１浯笫被岢魷痔荻確⑸㈠義銜侍�。辶x希玻保成疃妊澳Ｐ灣義仙疃妊埃ǎ模澹澹皰澹蹋澹幔潁睿椋睿紓模蹋├叢從詼裕粒危蔚難芯浚桑齲椋睿簦錚畹熱嗽冢玻埃埃賭晏徨義銑觶郟常矗蕁Ｊ導(dǎo)噬

本文編號(hào)：2814198