[发明专利]基于深度学习的三维模型三角面特征学习分类方法及装置

摘要

本发明提供一种基于深度学习的三维模型三角面特征学习分类方法及装置，该方法包括：构建深度卷积神经网络特征学习模型；训练深度卷积神经网络特征学习模型；对无类别标签的三维模型三角面片进行特征提取与特征向量构建，并使用词袋算法对所构建的特征向量中的特征进行重构；根据所述训练后的深度卷积神经网络特征学习模型，以及所述无类别标签的三维模型三角面片对应的初始特征，确定所述无类别标签的三维模型三角面片对应的输出特征并进行分类。该方法提升了对于三维模型三角面片的描述能力，保证了三维模型三角面片特征学习与分类的结果的准确性。

主权项

1.一种基于深度学习的三维模型三角面特征学习分类方法，其特征在于，包括：构建深度卷积神经网络特征学习模型，所述深度卷积神经网络特征学习模型具有第一卷积层、第一下采样层、第二卷积层以及第二下采样层，其中，所述第一卷积层具有16个尺寸为5*5的卷积核，所述第一下采样层的缩放因子为2，所述第二卷积层具有16*20个尺寸为3*3的卷积核，所述第二下采样层的缩放因子为2；对具有类别标签的三维模型三角面片进行特征提取与特征向量构建，并使用词袋算法对所构建的特征向量中的特征进行重构，获取所述具有类别标签的三维模型三角面片对应的初始特征；使用所述具有类别标签的三维模型三角面片对应的初始特征训练深度卷积神经网络特征学习模型，获取训练后的深度卷积神经网络特征学习模型；对无类别标签的三维模型三角面片进行特征提取与特征向量构建，并使用词袋算法对所构建的特征向量中的特征进行重构，获取所述无类别标签的三维模型三角面片对应的初始特征；根据所述训练后的深度卷积神经网络特征学习模型，以及所述无类别标签的三维模型三角面片对应的初始特征，确定所述无类别标签的三维模型三角面片对应的输出特征；根据所述无类别标签的三维模型三角面片对应的输出特征对所述无类别标签的三维模型三角面片进行分类。