检索结果-维普期刊中文期刊服务平台

基于中心锚困难三元组损失和多视图特征融合的三维模型分类: 1; 作者高雪瑶张澐凯张春祥《电子与信息学报》北大核心 2025年第6期1937-1949,共13页; 多视图可以全面表征3维模型的视觉特性以及潜在的空间结构信息,但现有方法容易忽视不同视图间的差异性和互补性。针对上述问题,该文提出一种基于中心锚困难3元组损失和多视图特征融合的3维模型分类方法。首先,以3维模型的多视图集为输入... 展开更多; 关键词 3维模型分类多视图特征融合注意力机制 3元组损失; 在线阅读下载PDF 职称材料

基于香农熵代表性特征和投票机制的三维模型分类: 2; 作者高雪瑶闫少康张春祥《电子与信息学报》 EI CAS CSCD 北大核心 2024年第4期1438-1447,共10页; 目前基于视图的3维模型分类方法存在单视图视觉信息不充分、多视图信息冗余的问题,且同等对待所有视图会忽略不同投影视角之间的差异性。针对上述问题,该文提出一种基于香农熵代表性特征和投票机制的3维模型分类方法。首先,通过在3维模... 展开更多; 关键词 3维模型分类注意力机制香农熵代表性特征投票机制; 在线阅读下载PDF 职称材料

语义增强图像-文本预训练模型的零样本三维模型分类: 3; 作者丁博张立宝 +1 位作者秦健何勇军《电子与信息学报》 EI CAS CSCD 北大核心 2024年第8期3314-3323,共10页; 目前,基于对比学习的图像-文本预训练模型(CLIP)在零样本3维模型分类任务上表现出了巨大潜力,然而3维模型和文本之间存在巨大的模态鸿沟,影响了分类准确率的进一步提高。针对以上问题,该文提出一种语义增强CLIP的零样本3维模型分类方法... 展开更多; 关键词 3维模型分类零样本基于对比学习的图像-文本预训练模型语义描述性文本; 在线阅读下载PDF 职称材料

基于视点差异和多分类器的三维模型分类: 4; 作者丁博范宇飞 +1 位作者高源何勇军《电子与信息学报》 EI CSCD 北大核心 2022年第11期3977-3986,共10页; 基于视图的3维模型分类方法与深度学习融合能有效提升模型分类的准确率。但目前的方法将相同类别的3维模型所有视点上的视图归为一类,忽略了不同视点上的视图差异,导致分类器很难学习到一个合理的分类面。为解决这一问题,该文提出一个... 展开更多; 关键词 3维模型分类卷积神经网络视点差异分类器注意力机制; 在线阅读下载PDF 职称材料

面向3D打印的模型优化研究综述被引量：5: 5; 作者毛羽忻毋立芳 +2 位作者邱健康赵立东郭小华《兵工自动化》 2017年第8期27-32,共6页; 在设计可3D打印模型时常常会较少考虑模型自身的物理因素,导致实际打印模型时出现如模型表面极易产生断裂、打印出的实体重心不稳以及一些受力等问题,这些问题可依据3D打印工艺特点对3维模型优化得以解决。目前3维模型优化研究可分为:... 展开更多; 关键词 3D打印 3维建模 3维模型优化分类力学特性分析支撑结构模型分割; 在线阅读下载PDF 职称材料

题名基于中心锚困难三元组损失和多视图特征融合的三维模型分类: 1; 作者高雪瑶张澐凯张春祥; 机构哈尔滨理工大学计算机科学与技术学院; 出处《电子与信息学报》北大核心 2025年第6期1937-1949,共13页; 基金国家自然科学基金(61502124,60903082) 中国博士后科学基金(2014M560249) 黑龙江省自然科学基金(LH2022F031,LH2022F030,F2015041,F201420)。; 文摘多视图可以全面表征3维模型的视觉特性以及潜在的空间结构信息,但现有方法容易忽视不同视图间的差异性和互补性。针对上述问题,该文提出一种基于中心锚困难3元组损失和多视图特征融合的3维模型分类方法。首先,以3维模型的多视图集为输入,利用深度残差收缩网络(DRSN)提取视图特征并融合2维形状分布特征D1,D2和D3得到视图融合特征;其次,根据3维模型视图融合特征,通过香农熵来衡量视图分类的不确定性,并将3维模型的多视图按视图显著性由高到低排序;然后,搭建基于注意力-长短期记忆网络(Att-LSTM)的3元组多视图特征融合网络,利用LSTM学习多视图之间的上下文信息,并融入多头注意力机制充分捕捉多视图间的相关信息;最后,引入度量学习并提出了一种新颖的中心锚困难3元组损失(CAH Triplet Loss),并联合交叉熵损失(CE Loss)来优化多视图特征融合网络,减小同类样本、增大异类样本在特征空间上的距离,加强网络对3维模型区分性特征的学习。实验表明:该方法在3维模型数据集ModelNet10上的分类准确率达到93.83%,分类性能突出。; 关键词 3维模型分类多视图特征融合注意力机制 3元组损失; Keywords 3D model classification Multi-view feature fusion Attention mechanism Triplet loss; 分类号 TN919.8 [电子电信—通信与信息系统] TP391.7 [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

题名基于香农熵代表性特征和投票机制的三维模型分类: 2; 作者高雪瑶闫少康张春祥; 机构哈尔滨理工大学计算机科学与技术学院; 出处《电子与信息学报》 EI CAS CSCD 北大核心 2024年第4期1438-1447,共10页; 基金国家自然科学基金(61502124,60903082) 中国博士后科学基金(2014M560249) 黑龙江省自然科学基金(LH2022F031,LH2022F030,F2015041,F201420)。; 文摘目前基于视图的3维模型分类方法存在单视图视觉信息不充分、多视图信息冗余的问题,且同等对待所有视图会忽略不同投影视角之间的差异性。针对上述问题,该文提出一种基于香农熵代表性特征和投票机制的3维模型分类方法。首先,通过在3维模型周围均匀设置多个视角组来获取表征模型的多组视图集。为了有效提取视图深层特征,在特征提取网络中引入通道注意力机制;然后,针对Softmax函数输出的视图判别性特征,使用香农熵来选择代表性特征,从而避免多视图特征冗余;最后,基于多个视角组的代表性特征利用投票机制来完成3维模型分类。实验表明:该方法在3维模型数据集ModelNet10上的分类准确率达到96.48%,分类性能突出。; 关键词 3维模型分类注意力机制香农熵代表性特征投票机制; Keywords 3D model classification Attention mechanism Shannon entropy representative feature Voting mechanism; 分类号 TN911.7 [电子电信—通信与信息系统] TP391.7 [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

题名语义增强图像-文本预训练模型的零样本三维模型分类: 3; 作者丁博张立宝秦健何勇军; 机构哈尔滨理工大学计算机科学与技术学院哈尔滨工业大学计算学部; 出处《电子与信息学报》 EI CAS CSCD 北大核心 2024年第8期3314-3323,共10页; 基金国家自然科学基金(61673142) 黑龙江省自然科学基金(LH2022F029,JQ2019F002)。; 文摘目前,基于对比学习的图像-文本预训练模型(CLIP)在零样本3维模型分类任务上表现出了巨大潜力,然而3维模型和文本之间存在巨大的模态鸿沟,影响了分类准确率的进一步提高。针对以上问题,该文提出一种语义增强CLIP的零样本3维模型分类方法。该方法首先将3维模型表示成多视图;然后为了增强零样本学习对未知类别的识别能力,通过视觉语言生成模型获得每张视图及其类别的语义描述性文本,并将其作为视图和类别提示文本之间的语义桥梁,语义描述性文本采用图像字幕和视觉问答两种方式获取;最后微调语义编码器将语义描述性文本具化为类别的语义描述,其拥有丰富的语义信息和较好的可解释性,有效减小了视图和类别提示文本的语义鸿沟。实验表明,该文方法在ModelNet10和ModelNet40数据集上的分类性能优于现有的零样本分类方法。; 关键词 3维模型分类零样本基于对比学习的图像-文本预训练模型语义描述性文本; Keywords 3D shape classification Zero-shot Contrastive Language-Image Pre-training(CLIP) Semantic descriptive text; 分类号 TN911.7 [电子电信—通信与信息系统] TP391.4 [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

题名基于视点差异和多分类器的三维模型分类: 4; 作者丁博范宇飞高源何勇军; 机构哈尔滨理工大学计算机科学与技术学院; 出处《电子与信息学报》 EI CSCD 北大核心 2022年第11期3977-3986,共10页; 基金国家自然科学基金(61673142) 黑龙江省自然科学基金(JJ2019JQ0013)。; 文摘基于视图的3维模型分类方法与深度学习融合能有效提升模型分类的准确率。但目前的方法将相同类别的3维模型所有视点上的视图归为一类,忽略了不同视点上的视图差异,导致分类器很难学习到一个合理的分类面。为解决这一问题,该文提出一个基于深度神经网络的3维模型分类方法。该方法在3维模型的周围均匀设置多个视点组,为每个视点组训练1个视图分类器,充分挖掘不同视点组下的3维模型深度信息。这些分类器共享1个特征提取网络,但却有各自的分类网络。为了使提取的视图特征具有区分性,在特征提取网络中加入注意力机制;为了对非本视点组的视图建模,在分类网络中增加了附加类。在分类阶段首先提出一个视图选择策略,从大量视图中选择少量视图用于分类,以提高分类效率。然后提出一个分类策略通过分类视图实现可靠的3维模型分类。在ModelNet10和ModelNet40上的实验结果表明,该方法在仅用3张视图的情况下分类准确率高达93.6%和91.0%。; 关键词 3维模型分类卷积神经网络视点差异分类器注意力机制; Keywords 3D Model classification Convolutional Neural Network(CNN) Viewpoint differences Classifier Attention mechanism; 分类号 TN911.73 [电子电信—通信与信息系统] TP315.69 [自动化与计算机技术—计算机软件与理论]; 在线阅读下载PDF 职称材料

题名面向3D打印的模型优化研究综述被引量：5: 5; 作者毛羽忻毋立芳邱健康赵立东郭小华; 机构北京工业大学信息与通信工程学院; 出处《兵工自动化》 2017年第8期27-32,共6页; 基金北京市科委资助项目(BJJQ-2015-254-4); 文摘在设计可3D打印模型时常常会较少考虑模型自身的物理因素,导致实际打印模型时出现如模型表面极易产生断裂、打印出的实体重心不稳以及一些受力等问题,这些问题可依据3D打印工艺特点对3维模型优化得以解决。目前3维模型优化研究可分为:基于力学特征分析的模型优化、面向模型可打印的支撑结构优化与面向模型可打印的模型分割优化。结合相关文献的观点及其研究工作,从上述3方面分类介绍当前基于3D打印模型优化的方法、技术及特点。在分析研究基础上,提出未来面向3D打印的模型优化技术方法发展的新趋势。该研究成果可为相关3D打印技术研究提供参考。; 关键词 3D打印 3维建模 3维模型优化分类力学特性分析支撑结构模型分割; Keywords 3D printing 3D model 3D model optimization design mechanical properties analysis support structure model segmentation; 分类号 TP391.7 [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	基于中心锚困难三元组损失和多视图特征融合的三维模型分类	高雪瑶张澐凯张春祥	《电子与信息学报》北大核心	2025	0	在线阅读下载PDF 职称材料
2	基于香农熵代表性特征和投票机制的三维模型分类	高雪瑶闫少康张春祥	《电子与信息学报》 EI CAS CSCD 北大核心	2024	0	在线阅读下载PDF 职称材料
3	语义增强图像-文本预训练模型的零样本三维模型分类	丁博张立宝秦健何勇军	《电子与信息学报》 EI CAS CSCD 北大核心	2024	0	在线阅读下载PDF 职称材料
4	基于视点差异和多分类器的三维模型分类	丁博范宇飞高源何勇军	《电子与信息学报》 EI CSCD 北大核心	2022	0	在线阅读下载PDF 职称材料
5	面向3D打印的模型优化研究综述	毛羽忻毋立芳邱健康赵立东郭小华	《兵工自动化》	2017	5	在线阅读下载PDF 职称材料