[发明专利]一种基于深度学习的三维模型检索方法有效
| 申请号： | 201710201079.8 | 申请日： | 2017-03-30 |
| 公开（公告）号： | CN107066559B | 公开（公告）日： | 2019-12-27 |
| 发明（设计）人： | 刘安安;李梦洁;聂为之 | 申请（专利权）人： | 天津大学 |
| 主分类号： | G06F16/583 | 分类号： | G06F16/583;G06K9/62 |
| 代理公司： | 12201 天津市北洋有限责任专利代理事务所 | 代理人： | 李林娟 |
| 地址： | 300072*** | 国省代码： | 天津;12 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度学习的三维模型检索方法，包括：将任意类型图片与特征提取器逐通道卷积，对卷积结果取绝对值进行矫正，并进行局部对比度归一化，对每张图片进行平均池化，得到每张图片的单层卷积神经网络结果；对卷积神经网络输出低阶特征以预设尺寸进行分块，每块聚合成一个父向量，最终将输出矩阵聚合成一个向量；每幅图片用多特征表示，将多特征串联，作为图片输出特征；对提取的输出特征采用基于视图的三维模型检索算法，对被查模型和已有模型进行匹配，计算被查模型和已有模型的相似度进行排序，得到最终的检索结果。本发明避免了采集图像特征时对特定类型图像依赖，消除了不同图像对人工设计特征限制，提高了多视图目标检索精度。 | ||
| 搜索关键词： | 一种 基于 深度 学习 三维 模型 检索 方法 | ||
【主权项】：
1.一种基于深度学习的三维模型检索方法，其特征在于，所述三维模型检索方法包括以下步骤：/n将任意类型图片与特征提取器逐通道卷积，对卷积结果取绝对值进行矫正，并进行局部对比度归一化，对每张图片进行平均池化，得到每张图片的单层卷积神经网络结果；/n对卷积神经网络输出的低阶特征以预设尺寸进行分块，每块聚合成一个父向量，最终将输出矩阵聚合成一个向量；每幅图片用多特征表示，将多特征串联，作为图片的输出特征；/n对提取的输出特征采用基于视图的三维模型检索算法，对被查模型和已有模型进行匹配，计算被查模型和已有模型的匹配概率并降序排列，得到最终的检索结果；/n其中，所述对卷积结果取绝对值进行矫正，并进行局部对比度归一化具体为：/n对输出三维数组的每一个元素进行矫正：/ny
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于天津大学，未经天津大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201710201079.8/，转载请声明来源钻瓜专利网。
