基於深度學習的三維模型檢索技術

《基於深度學習的三維模型檢索技術》是依託北京航空航天大學，由冷彪擔任項目負責人的面上項目。

基本介紹

• 中文名：基於深度學習的三維模型檢索技術
• 依託單位：北京航空航天大學
• 項目負責人：冷彪
• 項目類別：面上項目

項目摘要

由於傳統的三維模型檢索技術中特徵表示能力有限，而深度學習模型具有較強的特徵表示能力，因此，採用深度學習對三維模型投影圖像進行特徵表示被認為是最有前途的三維模型檢索技術之一，具有非常重要的理論和套用價值。將深度學習套用到三維模型檢索領域的研究在國際上仍是嶄新且富有挑戰性的，有很多問題尚未解決。本課題基於深度學習的理論和方法，提出基於深度學習的三維模型檢索技術。本項目將系統地分析三維模型檢索技術中代表性視圖選擇的原理和特性，研究基於深度學習的模型視圖的特徵表示，提出新的模型間距離度量算法，最終構建基於深度學習的三維模型檢索技術框架，實現三維模型特徵的高層抽象表示，從而為三維模型的形狀比較、識別、檢索和重用提供必要的技術保障。研究內容包括：面向三維模型檢索的代表性視圖選擇機制、面向三維模型特徵表示的深度學習模型結構、深度學習模型中的訓練學習算法，面向多視圖的三維模型相似性度量算法。

結題摘要

由於傳統的三維模型檢索技術中特徵表示能力有限，而深度學習模型具有較強的特徵表示能力，因此，採用深度學習對三維模型投影圖像進行特徵表示被認為是最有前途的三維模型檢索技術之一，具有非常重要的理論和套用價值。將深度學習套用到三維模型檢索領域的研究在國際上仍是嶄新且富有挑戰性的，有很多問題尚未解決。本課題針對三維模型檢索的代表性視圖選擇機制，提出基於視圖評價網路和中心特徵增強網路的代表性視圖選擇模型，可以從冗餘的三維模型視圖中有效選取具有較強鑑別力的三維模型視圖。針對三維模型特徵表示的深度學習模型結構，提出基於遞歸全景網路和三維卷積神經網路的三維模型深度特徵表示模型，顯著提升了三維模型特徵的表達能力。針對深度學習模型中的訓練學習算法，提出基於多圖融合的深度特徵訓練算法和基於多級特徵融合的深度特徵訓練算法，進一步最佳化三維模型的深度特徵表示。針對多視圖的三維模型相似性度量算法，提出基於角距離的距離度量算法，有效提升了特徵表示的空間分布。最終本課題構建了基於深度學習的三維模型檢索技術框架，實現三維模型特徵的高層抽象表示，所提出的三維模型深度特徵在國際三維模型數據集（PSB,ModelNet，ShapeNet）上取得了較好的檢索精度，同時相較於傳統算法（SIFT，BoW等），檢索和識別精度提高了20-30個百分點，這為三維模型的形狀比較、識別、檢索和重用提供必要的技術保障。