基于深度学习的三维形状特征提取方法

作     者：周燕 曾凡智 吴臣 罗粤 刘紫琴 ZHOU Yan;ZENG Fan-zhi;WU Chen;LUO Yue;LIU Zi-qin

作者机构：佛山科学技术学院计算机系 

出 版 物：《计算机科学》 (Computer Science)

年 卷 期：2019年第46卷第9期

页      面：47-58页

学科分类：1305[艺术学-设计学（可授艺术学、工学学位）] 13[艺术学] 081104[工学-模式识别与智能系统] 08[工学] 0804[工学-仪器科学与技术] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 

基　　金：国家自然科学基金(61602116) 广东省自然科学基金(2017A030313388) 广东省工程技术研究中心(G601624) 佛山市工程技术研究中心(2017GA00015,2016GA10156)资助 

主　　题：三维形状 特征提取 深度学习 神经网络 

摘      要：研究具有低维、高鉴别力的三维形状特征提取方法有助于解决三维形状数据分类和检索等问题。随着深度学习的持续发展,结合深度学习的三维形状特征提取方法已成为研究热点。将深度学习与传统的三维形状特征提取方法相结合,不仅可以突破非深度学习方法的瓶颈,而且可以提高三维形状数据分类、检索等任务的准确率,尤其是当三维形状是非刚体时。然而,深度学习尚在发展中,仍存在需要大量训练样本的问题,因此如何运用深度学习方法来高效提取三维形状特征成为了计算机视觉领域的研究重点和难点。目前,研究者大多从改进网络结构和训练方法等方面入手,着重提高神经网络提取特征的能力。文中结合深度学习和三维形状特征提取方法的发展历程,首先介绍相关深度学习模型,以及网络改进、训练方法等方面的新思路;其次重点对基于深度学习的刚体与非刚体的特征提取方法做综合的阐述,描述当前深度学习方法用于三维形状特征提取的情况;然后简述现有三维形状检索系统的现况以及相似度计算方法;最后介绍当前三维形状特征提取方法存在的问题,并探讨其未来的发展趋势。