【技术实现步骤摘要】
一种基于图卷积网络的网格分割方法
本专利技术属于计算机图形学以及计算机视觉领域，尤其涉及一种基于图卷积网络的网格部位分割方法。
技术介绍
语义分割是计算机视觉中的关键问题之一，随着深度学习的发展，在二维图像领域利用神经网络进行语义分割得到了广泛的探索与研究。当这一问题扩展到三维网格时，由于它的不规则性，基于图像的操作往往不能直接适用。之前的方法往往将三维模型体素化或是用多视角的二维图像对于三维物体进行表示，然后对于二维图像中的方法进行应用。前者往往因为数据的稀疏性而增大了计算量，后者放弃了三维物体的原有结构，并且计算量仍较大。对于三维的网格数据，我们以面为节点将其转化到对偶空间之中，并基于该图利用图卷积神经网络进行特征的学习。早期的图卷积神经网络往往需要静态的图结构，而最近的动态图卷积上的研究表明动态的边可以取得更好的效果。我们的方法同时利用了静态边卷积与动态边卷积对于特征进行学习，在利用原本的几何结构的同时也考虑了潜在的相似联系。在实例分割领域，特征嵌入是一种较为常用的方法，其主要思路为获得一个同类别距离较...
【技术保护点】
1.一种基于图卷积网络的网格分割方法，其特征在于，包括以下步骤：/n步骤一：将网格模型变换到指定的面片数量，并进行标准化处理。/n步骤二：将步骤一处理后的模型转换为图表示，并对每个面进行初步特征提取后输入到训练好的图卷积神经网络中，对网格中每个面属于的部位种类进行预测。其中，所述图卷积神经网络包括：/n变换模块，用于使输入的初步特征的朝向相近。/n图卷积模块，用于根据变换后的初步特征学习与实际空间中邻面以及特征空间中邻面有关的特征。/n特征嵌入模块，用于根据图卷积模块获得的特征获取同类相近不同类距离较远的特征。/n输出模块，用于根据图卷积层学到的特征以及特征嵌入的结果获得预测分割结果。/n
【技术特征摘要】
1.一种基于图卷积网络的网格分割方法，其特征在于，包括以下步骤：
步骤一：将网格模型变换到指定的面片数量，并进行标准化处理。
步骤二：将步骤一处理后的模型转换为图表示，并对每个面进行初步特征提取后输入到训练好的图卷积神经网络中，对网格中每个面属于的部位种类进行预测。其中，所述图卷积神经网络包括：
变换模块，用于使输入的初步特征的朝向相近。
图卷积模块，用于根据变换后的初步特征学习与实际空间中邻面以及特征空间中邻面有关的特征。
特征嵌入模块，用于根据图卷积模块获得的特征获取同类相近不同类距离较远的特征。
输出模块，用于根据图卷积层学到的特征以及特征嵌入的结果获得预测分割结果。
2.根据权利要求1所述的一种基于图卷积网络的网格分割方法，其特征在于，所述步骤一通过以下子步骤来实现：
(1.1)对于输入模型，将其简化或细分到指定面片数量。
(1.2)对于变换后的模型，对其进行平移和缩放操作，使模型中所有顶点的均值为0，离...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。