[发明专利]一种自由视角的立体对象检索方法与系统

权利要求书

1.一种自由视角的立体对象检索方法，其特征在于，所述立体对象检索方法包括：

步骤1，根据多视图卷积神经网络和标准对象的投影视图，构建检索神经网络模型，其中，所述步骤1中，具体包括：

步骤11，获取图像数据库中至少一个所述标准对象的不同视角的至少两张所述投影视图；

步骤12，根据所述多视图卷积神经网络和所述投影视图，提取所述标准对象对应的一组特征，记作初步特征向量组，其中，，投影视图个数，对象个数；

步骤13，将所述初步特征向量组中的特征分量由大到小进行排序，并以预设概率将与预设数量相等的初步特征向量置为零；

步骤14，将置为零的所述初步特征向量对应的反向回传梯度置为零，得到增强特征向量组；

步骤15，根据所述增强特征向量组，利用最大池化算法和线性分类算法，生成第一模态特征，并计算损失函数，根据所述第一模态特征，构建所述检索神经网络模型，其中，所述第一模态特征的计算公式为：

式中，为元素级最大化操作；

步骤2，根据所述检索神经网络模型，提取对象数据库中所有所述标准对象对应的特征，构建检索特征数据库，其中，所述检索特征数据库包括多个检索立体对象；

步骤3，根据输入的检索对象与所述检索立体对象之间的欧氏距离，输出所述检索对象对应的所述检索立体对象。

2.如权利要求1所述的自由视角的立体对象检索方法，其特征在于，所述步骤15之后，还包括：

步骤16，计算所述检索神经网络模型的性能指标；

步骤17，判断所述检索神经网络模型的所述性能指标是否收敛，若是，执行步骤3，若否，执行步骤11。

3.如权利要求1所述的自由视角的立体对象检索方法，其特征在于，所述步骤3中，具体包括：

步骤31，根据数据模态输入所述检索对象；

步骤32，提取所述检索对象的特征向量；

步骤33，计算所述检索对象和所述检索特征数据库中所述检索立体对象之间的欧氏距离；

步骤34，根据所述欧氏距离，按照从小到大的顺序对所述检索立体对象进行排序，并输出排序后的所述检索立体对象。

4.一种自由视角的立体对象检索系统，其特征在于，所述立体对象检索系统包括：网络构建模块，数据库构建模块以及检索结果输出模块；

所述网络构建模块被配置为，根据多视图卷积神经网络和标准对象的投影视图，构建检索神经网络模型，其中，所述网络构建模块中，具体包括：图像获取单元，特征提取单元，排序单元，置零单元以及模型构建单元；

所述图像获取单元用于，获取所述图像数据库中至少一个所述标准对象的不同视角的至少两张所述投影视图；

所述特征提取单元用于，根据所述多视图卷积神经网络和所述投影视图，提取所述标准对象对应的一组特征，记作初步特征向量组，其中，，投影视图个数，对象个数；

所述排序单元用于，将所述初步特征向量组中的特征分量由大到小进行排序，并以预设概率将与预设数量相等的初步特征向量置为零；

所述置零单元用于，将置为零的所述初步特征向量对应的反向回传梯度置为零，得到增强特征向量组；

所述模型构建单元用于，根据所述增强特征向量组，利用最大池化算法和线性分类算法，生成第一模态特征，并计算损失函数，根据所述第一模态特征，构建所述检索神经网络模型，其中，所述第一模态特征的计算公式为：

式中，为元素级最大化操作；

所述数据库构建模块被配置为，根据所述检索神经网络模型，提取对象数据库中所有所述标准对象对应的特征，构建检索特征数据库，其中，所述检索特征数据库包括多个检索立体对象；

所述检索结果输出模块被配置为，根据输入的检索对象与所述检索立体对象之间的欧氏距离，输出所述检索对象对应的所述检索立体对象。

5.如权利要求4所述的自由视角的立体对象检索系统，其特征在于，所述网络构建模块，还包括：指标计算单元以及判断单元；

所述指标计算单元用于，计算所述检索神经网络模型的性能指标；

所述判断单元用于，判断所述检索神经网络模型的所述性能指标是否收敛，若否，重新获取所述投影视图。

6.如权利要求4所述的自由视角的立体对象检索系统，其特征在于，所述检索结果输出模块，具体包括：输入单元，提取单元，距离计算单元以及输出单元；

所述输入单元用于，根据数据模态输入所述检索对象；

所述提取单元用于，提取所述检索对象的特征向量；

所述距离计算单元用于，计算所述检索对象和所述检索特征数据库中所述检索立体对象之间的欧氏距离；

所述输出单元用于，根据所述欧氏距离，按照从小到大的顺序对所述检索立体对象进行排序，并输出排序后的所述检索立体对象。