[发明专利]一种基于多标签传播的三维模型标注方法

摘要

本发明提出了一种新型的基于多标签传播的三维模型标注方法，本发明允许用户仅仅通过对少量样本的标注，结合样本空间中的样本关联关系，就能计算出整个样本空间的分类结果。另外，由于多标签传播的特点，发明的分类方法不仅是基于多标签分类，还充分利用了样本之间的关联关系，使得多标签分类的结果精度更高。具有收敛速度快，耗时短等诸多优点。

主权项

1.一种基于多标签传播的三维模型标注方法，其特征在于，该方法具体包括以下步骤：步骤一：多维视图获取将三维模型置于等比例的正十二面体之中，并将二十个光场相机置于正十二面体的各个顶点之上，对每一个三维模型提取相同角度的二十张图片作为描述图；每张描述图表示为Ii,v,即第i个模型的第v张图像；步骤二：相似距离计算对每张图像Ii,v，计算它们有梯度直方图，得到每张图像的特征表示Hi,v；计算的过程如下：1.将图片样本转换成灰度图；2.对样本采取高斯平滑后，计算样本梯度；3.对样本图片进行单元划分；梯度方向量化为九个区域；将梯度值作为权重值加入到像素空间中；4.对尺度进行归一化，从而有效地减少背景与阴影的影响；5.统计链接直方图，将特征方向存储于一个1*3780的矩阵中，得到特征描述Hi,v；对每个模型，将20张图像的特征描述连接起来，形成形状的特征描述Fi＝(Hi,1；Hi,2；...；Hi,20)；通过计算两个形状的特征描述的相似性距离，得到形状间的相似距离d(i,j)＝||Fi‑Fj||2，这里d(i,j)表示第i个模型和第j个模型的相似距离；步骤三：多标签传播根椐形状间的两两相似距离构建相似矩阵W，其中W的第i和j个元素的权重定义为：在这里其中，μ与σ均为超参数，h为函数h(x)＝exp(‑x)；根椐相似矩阵，定义迁移矩阵其中V表示i的邻接点，该矩阵满足∑Q(i,j)＝1，其中Q(i,j)表示边的权重；构建标签矩阵Y，将三维模型集S分为S＝{S_l∪S_u}，其中S_l代表已标记数据，S_u代表未标记点，即待传播数据；由此可得到标签矩阵其中n为数据点数，C为标签数量，y(i,j)＝1即是代表数据点S_i已经标记第i个标签，反之为0；标签传播过程为一个迭代的过程，在迭代t次之后，它们的标签矩阵和迁移矩阵为：Y_t+1＝P_t*Y_t；然后通过重新定义已标注过的标签矩阵来更新迁移矩阵：其中α和λ为权重参数，定义为α＝0.05，α＝0.1，p₀表示初始迁移矩阵的值；最终得到多标签的分类结果Y_t+1。