机器视觉

针对如何提高大规模多种类复杂三维网格模型识别分类的精度问题，提出一种基于深度体素卷积神经网络的三维模型分类识别方法。首先，将给定的三维多边形网格模型通过体素化技术转化为二值的三维体素矩阵；其次，通过深度体素卷积神经网络的学习能力挖掘三维模型的内在隐含信息，提取体素矩阵深层特征，增强特征的表达能力和差异性；最后，利用 Softmax分类器计算提取的三维模型特征所属类别的概率大小来进行预测分类。本算法在ModelNet40数据集上的实验结果表明，对于三维网格模型识别分类精度能够达到87%左右。本文构建的深度体素卷积神经网络能够有效地增强三维模型特征的提取和表达能力，提高大规模复杂三维网格模型分类识别的准确率，优于当前主流方法。

杨军, 王顺, 周鹏. 基于深度体素卷积神经网络的三维模型识别分类[J]. 光学学报, 2019, 39(04): 7.  复制并引用该论文