基于残差网络的三维模型检索算法

作者:李荫民;薛凯心;高赞;薛彦兵;徐光平;张桦; 刊名:计算机科学 上传者:黄远新

【摘要】近年来,基于视图的3D模型检索已经成为计算机视觉领域的重点研究方向。3D模型检索算法包括特征提取和检索算法两个部分,且鲁棒的特征对于检索算法起着决定性的作用。目前,研究者们已经提出了许多人工设计特征和深度学习特征,但是很少有人比较它们的异同。因此,文中对不同的人工设计特征和深度学习特征的性能进行了评估分析,基于充分对比的前提,采用了多个数据集、多样的评价标准和不同的检索算法进行了实验,并进一步比较了深度网络不同层特征对性能的影响,从而提出了基于残差网络的三维模型检索算法。在多个公开数据集上的实验表明:1)残差网络所提取的深度特征相较于传统特征,综合性能提升了1%~20%;2)与VGG网络所提取的深度特征相比,残差网络的综合性能提升了1%~5%;3)VGG网络中不同层特征的性能也有差异,深层特征与浅层特征相比,综合性能提升了1%~6%;4)随着网络深度的增加,残差网络所提取的特征的综合性能得到了有限提高,且比其他对比特征均更加鲁棒。

全文阅读

第46卷 第3期2019年3月 计 算 机 科 学COMPUTER SCIENCE Vol.46No.3Mar.2019 到稿日期:2018-07-11 返修日期:2018-09-21  本文受国家自然科学基金(61872270 ,61572357 ),天津市应用基础与前沿技术研究计划 ( 14JCZDJC31700),天津市自然科学基金(13JCQNJC0040)资助。 李荫民(1994-),男,硕士生,CCF会员,主要研究方向为计算机视觉和模式识别, E-mail:18300601870 @163.com;薛凯心(1993-),女,硕士生, CCF会员,主要研究方向为计算机视觉和模式识别;高 赞(1980-),男,博士,教授,博士生导师,主要研究方向为图像/视频分析、信息检索和 机器学习, E-mail: gaozan114@126.com(通信作者);薛彦兵(1979-),男,硕士,副研究员,硕士生导师,主要研究方向为计算机视觉和模式识别; 徐光平(1977-),男,博士,副教授,硕士生导师,主要研究方向为计算机视觉和存储编码;张 桦(1962-),女,博士,教授,博士生导师,主要研究方向为视频分析、虚拟现实。 基于残差网络的三维模型检索算法 李荫民1, 2 薛凯心1, 2 高 赞1, 2, 3 薛彦兵1, 2 徐光平1, 2 张 桦1, 2 (天津理工大学计算机视觉与系统教育部重点实验室 天津300384)1 (天津理工大学天津市智能计算及软件新技术重点实验室 天津300384)2 (齐鲁工业大学(山东省科学院)山东省人工智能研究院 济南250014)3 摘 要 近年来,基于视图的3D模型检索已经成为计算机视觉领域的重点研究方向。3D模型检索算法包括特征提取和检索算法两个部分,且鲁棒的特征对于检索算法起着决定性的作用。目前,研究者们已经提出了许多人工设计特征和深度学习特征,但是很少有人比较它们的异同。因此,文中对不同的人工设计特征和深度学习特征的性能进行了评估分析,基于充分对比的前提,采用了多个数据集、多样的评价标准和不同的检索算法进行了实验,并进一步比较了深度网络不同层特征对性能的影响,从而提出了基于残差网络的三维模型检索算法。在多个公开数据集上的实验表 明: 1)残差网络所提取的深度特征相较于传统特征,综合性能提升了1%~20%; 2)与 VGG网络所提取的深度特征相 比,残差网络的综合性能提升了1%~5%; 3)VGG网络中不同层特征的性能也有差异,深层特征与浅层特征相比,综 合性能提升了1%~6%; 4)随着网络深度的增加,残差网络所提取的特征的综合性能得到了有限提高,且比其他对比 特征均更加鲁棒。 关键词 3D模型检索,特征提取,人工特征,深度特征,残差网络 中图法分类号 TP391.4   文献标识码 A   DOI 10.11896/ j.issn.1002-137X.2019.03.022 3-D Model Retrieval Algorithm Based on Residual Network LI Yin-min 1, 2 XUE Kai-xin 1, 2 GAO Zan 1, 2, 3 XUE Yan-bin 1, 2 XU Guang-ping 1, 2 ZHANG Hua 1, 2 ( Key Laboratory of Computer Vision and System of Ministry of Education,Tianjin University of Technology,Tianjin 30

参考文献

引证文献

问答

我要提问