1 兰州交通大学电子与信息工程学院, 甘肃 兰州 730070
2 兰州交通大学自动化与电气工程学院, 甘肃 兰州 730070
提出一种基于深度体素卷积神经网络的三维(3D)模型识别分类算法,该算法使用体素化技术将3D多边形网格模型转化为体素矩阵,并通过深度体素卷积神经网络提取该矩阵的深层特征,以增强特征的表达能力和差异性。在ModelNet40数据集上的实验结果表明:所提算法对3D网格模型识别分类的准确率能够达到87%左右。所构建的深度体素卷积神经网络能够有效地增强3D模型的特征提取和表达能力,提高对大规模复杂3D网格模型分类识别的准确率,所提方法优于当前的主流方法。
图像处理 计算机视觉 三维模型识别 卷积神经网络 体素化 Softmax分类器
