资料下载
×
一种兴趣点分层学习的全监督算法
消耗积分:0 |
格式:pdf |
大小:3.38 MB |
2021-04-21
分享资料个
针对基于学习的三维模型兴趣点提取问題，提出一种兴趣点分层学习的全监督算法。提取三维模型表面所有顶点的特征向量后，将人工标注的兴趣点分为稀疏点和密集点，对于稀疏点使用整个三维模型进行神经网络训练对于密集点则找出兴趣点分布密集的区域进行单独的神经网络训练;然后对2个神经网络进行特征匹配，得到一个用于三维模型兴趣点提取预测的分类器。测试时，提取新输入的三维模型上所有顶点的特征向量，将其输入到训练好的分类器中进行预测，应用改进的密度峰值聚类算法提取兴趣点。算法采用分层学习的策略，解决了传统算法在模型细节处难以准确提取密集兴趣点的问题。在 SHREC‘11数据集上的实验结果表明，与传统算法相比，该算法提取兴趣点的准确率更高。出现的遗漏点和错误点更少，对解决越来越精细的三维模型的兴趣点提取问题有较大帮助。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
