基于深度卷积神经网络的三维模型检索方法技术

本发明专利技术公开了基于深度卷积神经网络的三维模型检索算法，该方法采用度量学习算法得到一个欧氏嵌入空间,将手绘草图与模型投影嵌入同一特征空间，在该特征嵌入空间中的欧氏距离可以直接代表草图和模型投影之间的相似度，解决了草图与模型投影图之间的跨域匹配问题。同时设计一种排序机制，使得在该特征空间中同类别图像之间的距离小于不同类别图像之间的距离，可以区分不同类别间的细微差异并且适应同类别不同风格的变体；并且本发明专利技术采用卷积神经网络来学习超完备的特征过滤器组组成特征提取器，提取出高级抽象特征，有效的解决了手工设计的低级几何特征描述子的算法泛化能力弱，难以扩展到未知数据集的问题。

A 3D model retrieval algorithm based on depth convolution neural network

The invention discloses a 3D model retrieval algorithm depth based on convolutional neural network, the method uses the metric learning algorithm to get a Euclidean embedding space, the sketch model and projection embedding the same feature in the feature space, embedded space, Euclidean distance can directly represent the similarity between sketch and projection model, to solve the cross domain the matching problem between sketch and projection model. At the same time to design a sorting mechanism between the same category image in the feature space is smaller than the distance between different categories of image distance, can not distinguish between different categories of subtle differences and adapt to different styles of similar variants; and the invention adopts convolution neural network to learn the characteristic filters over complete feature extractor. And extract the advanced abstraction features, effectively solves the algorithm generalization low-level geometric features descriptor manual design is weak, difficult to extend to the unknown data set problem.

【技术实现步骤摘要】
基于深度卷积神经网络的三维模型检索算法
本专利技术属于计算机视觉
，涉及基于深度卷积神经网络的三维模型检索的算法。
技术介绍
目前三维模型已经在诸如虚拟现实、工业设计、3D游戏和视觉设计等领域广泛应用。随着三维图形建模技术和三维数据获取技术的发展，产生了海量的三维模型数据库。因此，为了充分利用现有的三维模型，帮助用户方便高效的获取符合需求的三维模型，三维检索技术成为当前热点研究问题。三维模型检索的工作流程是根据用户输入的查询请求，在模型数据库中搜索出相关的模型集合最终反馈给用户。一类算法通过已有三维模型作为输入表达查询意图，但通常用户难以获取合适的现有模型用来查询。另一类算法通过文字描述目标模型来表达查询意图，但用户通常难以用语言精确的描述目标模型，而且模型库通常也没有充分标签化，因此这种算法使用场景也十分有限。人类自从史前时期就已经使用手绘草图来描绘视觉世界了，直至今日，手工绘制草图可能是唯一一种所有人都具备的绘画能力。近期的神经科学研究表明：大脑认知简单抽象的草图的方式和认知真实世界物体的方式相同。因此，手绘草图作为一种方便快捷的交互方式可以更好的表达用户的查询意图。在基于本文档来自技高网...

【技术保护点】
基于深度卷积神经网络的三维模型检索算法，其特征在于，包括以下步骤：步骤1，设三维模型数据库M＝{m1,m2,...,mn}；步骤11，设单位球面三角网格U＝{V,T}，V是三角形顶点集合，T是三角形集合；步骤12，从三角形顶点集合V中随机选择d个顶点作为种子顶点，所述d个种子顶点组成种子顶点集合

【技术特征摘要】
1.基于深度卷积神经网络的三维模型检索算法，其特征在于，包括以下步骤：步骤1，设三维模型数据库M＝{m1,m2,...,mn}；步骤11，设单位球面三角网格U＝{V,T}，V是三角形顶点集合，T是三角形集合；步骤12，从三角形顶点集合V中随机选择d个顶点作为种子顶点，所述d个种子顶点组成种子顶点集合步骤131，以Seeds中所有种子顶点作为劳埃德松弛算法的种子，得到d个沃罗诺伊原胞，所述d个沃罗诺伊原胞的中心分别为Cent1,Cent2,...,Centd；步骤132，将Seeds中的每个种子顶点分别移动到对应的沃罗诺伊原胞的中心，即令vertex1＝Cent1,vertex2＝Cent2,...,vertexd＝Centd,所述Seeds中的所有种子顶点移动到对应的沃罗诺伊原胞的中心的距离记为D＝{distance1,distance2,...,distanced},且将D中的最大值记为Maxdistance；步骤133，重复步骤131至步骤132,直到Maxdistance<0.01，执行步骤14；步骤14，将沃罗诺伊原胞的中心Centj,j＝1...d作为视角vj，得到视角集合Views＝{v1,v2,...,vj,...vd}；任选三维模型数据库M＝{m1,m2,...,mn}中的任一个三维模型mi，i＝1,2，…，n，n为大于等于1的自然数；将mi做归一化处理后，依次采用视角集合Views中的所有视角对三维模型mi进行线渲染得到的投影图集合其中，为选用视角集合Views中的任一视角vj，对三维模型mi进行线渲染得到投影视图，j＝1,2,...d；步骤15，重复步骤14得到三维模型数据库M＝{m1,m2,...,mn}中所有模型的投影图数据集步骤2，设手绘草图数据集为S＝{s1,s2,...,sa,...,sk}，a＝1,2，…，k；步骤21，将S∪P作为GoogLeNet网络的输入，将GoogLeNet网络中的全连接层节点个数设置为模型类别数，将学习率设置为0.01,权重衰减设置为0.0001,动量设置为0.95，以随机梯度下降法作为优化算法，迭代训练GoogLeNet网络得到分类器C(x)；步骤22，将投影图数据集中的每一个投影图作为分类器C(x)的输入，得到投影图数据集P中所有图像的索引I(key,value)，所述key为投影图数据集P中所有投影图所属类别的编号；设key＝c，c为大于等于1的自然数，投影图数据集P中属于类别c的投影图集合为value为在分类器globalpool层的特征向量组成的集合步骤3，生成三元组数据集合，包括：步骤31，任取手绘草图数据集S中的任一手绘草图作为当前手绘草图sa；将当前手绘草图sa输入分类器C(x)得到分类预测分数向量其中，当前手绘草图sa的预测类别向量为绘草图sa的预测类别编号，b＝1，2，…,C，C为预测类别总数，C为大...

【专利技术属性】
技术研发人员：安勃卿，史维峰，
申请(专利权)人：西北大学，
类型：发明
国别省市：陕西,61