期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
局部-整体双向推理的文物无监督表征学习
被引量：
1
1
作者
刘杰
耿国华
+3 位作者
田煜
王毅
刘阳洋
周明全
《光学精密工程》
EI
CAS
CSCD
北大核心
2022年第18期2241-2252,共12页
针对现有陶制文物表征学习方法是基于大量带标签数据的有监督学习方法,人工标记费时耗力且不能有效地学习到点云内在结构信息等问题,本文提出一种基于局部-整体双向推理的无监督表征学习方法。首先,提出多尺度壳卷积层级结构编码器提取...
针对现有陶制文物表征学习方法是基于大量带标签数据的有监督学习方法,人工标记费时耗力且不能有效地学习到点云内在结构信息等问题,本文提出一种基于局部-整体双向推理的无监督表征学习方法。首先,提出多尺度壳卷积层级结构编码器提取不同尺度的文物碎片局部特征。其次,利用局部到整体推理模块将提取的局部特征映射得到全局特征,通过度量学习衡量两者之间差异,进行反复学习。然后,利用整体到局部推理模块以确保获取到的全局特征的质量。最后,在不同层次的局部结构和整体形状之间通过双向推理来学习文物点云表征,并将学习到的点云表征应用于分类下游任务。该网络模型在兵马俑数据集和ModelNet40公开数据集上的分类精度分别达到了93.33%和92.02%,分别高于PointNet 4.4%和2.82%。同时缩小了下游分类任务中无监督和有监督学习方法之间的差距。
展开更多
关键词
无监督表征学习
多尺度
深度
学习
点云分类
文物虚拟修复
在线阅读
下载PDF
职称材料
题名
局部-整体双向推理的文物无监督表征学习
被引量：
1
1
作者
刘杰
耿国华
田煜
王毅
刘阳洋
周明全
机构
西北大学文化遗产数字化国家地方联合工程研究中心
西北大学信息科学与技术学院
出处
《光学精密工程》
EI
CAS
CSCD
北大核心
2022年第18期2241-2252,共12页
基金
国家重点研发计划项目(No.2019YFC1521103)
国家自然科学基金重点项目(No.61731015)
+3 种基金
陕西省重点产业链项目(No.2019ZDLSF07-02,No.2019ZDLGY10-01)
陕西省重点研发项目(No.2022GY-331)
陕西省教育厅专项项目(No.19JK0842)
青海省重点研发与转化计划资助项目(No.2020-SF-140)。
文摘
针对现有陶制文物表征学习方法是基于大量带标签数据的有监督学习方法,人工标记费时耗力且不能有效地学习到点云内在结构信息等问题,本文提出一种基于局部-整体双向推理的无监督表征学习方法。首先,提出多尺度壳卷积层级结构编码器提取不同尺度的文物碎片局部特征。其次,利用局部到整体推理模块将提取的局部特征映射得到全局特征,通过度量学习衡量两者之间差异,进行反复学习。然后,利用整体到局部推理模块以确保获取到的全局特征的质量。最后,在不同层次的局部结构和整体形状之间通过双向推理来学习文物点云表征,并将学习到的点云表征应用于分类下游任务。该网络模型在兵马俑数据集和ModelNet40公开数据集上的分类精度分别达到了93.33%和92.02%,分别高于PointNet 4.4%和2.82%。同时缩小了下游分类任务中无监督和有监督学习方法之间的差距。
关键词
无监督表征学习
多尺度
深度
学习
点云分类
文物虚拟修复
Keywords
unsupervised representation learning
multi-scale strategy
deep learning
point cloud classification
virtual restoration of cultural relics
分类号
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
局部-整体双向推理的文物无监督表征学习
刘杰
耿国华
田煜
王毅
刘阳洋
周明全
《光学精密工程》
EI
CAS
CSCD
北大核心
2022
1
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
