特征图获取方法、系统和三维形状处理方法、终端及介质技术方案

本发明专利技术提供了一种特征图获取方法、系统和三维形状处理方法、终端及介质，包括：获取三维网格数据；对所述三维网格数据预处理，计算获得每个顶点的局部邻域的对数映射、局部邻域中心节点和邻居节点之间的平行传输；将每个顶点的三维坐标、局部邻域的对数映射、局部邻域内中心节点和邻居节点之间的平行传输输入到规范等变胶囊网络，生成特征图；将所述特征图用于三维形状处理。本发明专利技术在获得较高性能的同时保证连续SO(2)的规范等变，保证了网络在不同规范、不同三维网格结构、不同顶点位置上的泛化能力，可以用于形状分类、形状分割、球面图像分类等领域，满足几何深度学习三维形状处理的当前需求。

【技术实现步骤摘要】

本专利技术涉及表示学习和三维形状处理，具体地，涉及一种特征图获取方法、系统和三维形状处理方法、终端及介质。

技术介绍

1、随着深度学习的发展，对称等变的网络结构在实际应用中取得了巨大成功，其中一个代表性结构是图像处理技术里平移等变的平面卷积神经网络。但是，把平面卷积神经网络从图像扩展到非规则三维形状(流形)面临着巨大挑战。近年来兴起的几何深度学习旨在把平面卷积神经网络扩展到流形上，设计流形上的等变神经网络。处理规则数据的等变神经网络通常对数据分布空间的全局对称等变，例如，图像可以被视为欧氏空间里均匀采样的二维网格上的函数，球面信号分布在齐次空间里。与规则数据不同，一般化流形没有全局对称性，而是具有局部规范对称性。因此，需要利用流形的局部规范对称性设计等变神经网络处理非规则三维形状。

2、针对上述的技术需求，已有研究人员提出了解决方法，比如wiersma等人在2020年的acm transactions on graphics(tog)期刊上发表了题为“cnns on surfaces usingrotation-equivariant feat本文档来自技高网...

【技术保护点】

1.一种特征图获取方法，其特征在于，包括：

2.根据权利要求1所述的一种特征图获取方法，其特征在于，所述规范等变胶囊网络包括初始位姿提取器层、规范等变的残差块层、规范等变的池化层、规范等变的反池化层和规范等变的类别胶囊层；其中：

3.根据权利要求2所述的一种特征图获取方法，其特征在于，

4.根据权利要求2所述的一种特征图获取方法，其特征在于，

5.根据权利要求4所述的一种特征图获取方法，其特征在于，每个所述规范等变胶囊单元，对于三维网格上任一中心节点p，

6.根据权利要求5所述的一种特征图获取方法，其特征在于，所述输出胶囊由点p...

【技术特征摘要】

1.一种特征图获取方法，其特征在于，包括：

2.根据权利要求1所述的一种特征图获取方法，其特征在于，所述规范等变胶囊网络包括初始位姿提取器层、规范等变的残差块层、规范等变的池化层、规范等变的反池化层和规范等变的类别胶囊层；其中：

3.根据权利要求2所述的一种特征图获取方法，其特征在于，

4.根据权利要求2所述的一种特征图获取方法，其特征在于，

5.根据权利要求4所述的一种特征图获取方法，其特征在于，每个所述规范等变胶囊单元，对于三维网格上任一中心节点p，

6.根据权利要求5所述的一种特征图获取方法，其特征在于，所述输出胶囊由点p及其邻域内点的输入胶囊获得，具体为：

7.根据权利要求6所述的一种特征图获取方法，其特征在于，所述根据所述空间一致性系数和胶囊一致性系数计算空间耦合系数和胶囊耦合系数加权平均输出位姿向量并更新空间一致性系数和胶囊一...

【专利技术属性】
技术研发人员：邹君妮，王丽莎，戴文睿，郑紫阳，李成林，熊红凯，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：