基于机器学习的三维模型无监督特征学习研究

基于机器学习的三维模型无监督特征学习研究

ID:34914649

大小:28.42 MB

页数:132页

时间:2019-03-14

基于机器学习的三维模型无监督特征学习研究_第1页
基于机器学习的三维模型无监督特征学习研究_第2页
基于机器学习的三维模型无监督特征学习研究_第3页
基于机器学习的三维模型无监督特征学习研究_第4页
基于机器学习的三维模型无监督特征学习研究_第5页
资源描述:

《基于机器学习的三维模型无监督特征学习研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、学校代码:10699分类号:密级:学号:2012100572题目基于机器学习的三维模型无监督特征学习研究作作作者者者韩治中学科专业模式识别与智能系统指导教师韩军伟申请学位日期2017年9月西北工业大学博士学位论文丨学位研究生丩题目:基于机器学习的三维模型无监督特征学习研究作者为韩治中学科专业为模式识别与智能系统指导教师为韩军伟串丰丱丷年丹月Title:UnsupervisedLearningof3DFeaturesBasedonMachineLearningMethodsByZhizhongHanUnde

2、rtheSupervisionofProfessorJunweiHan乁乄乩乳乳乥乲乴乡乴乩乯乮乓乵乢乭乩乴乴乥乤乴乯乎乯乲乴乨乷乥乳乴乥乲乮乐乯乬乹乴乥乣乨乮乩乣乡乬乕乮乩乶乥乲乳乩乴乹义乮买乡乲乴乩乡乬书乵乬丌乬乬乭乥乮乴乯书乴乨乥乲乥乱乵乩乲乥乭乥乮乴乆乯乲乴乨乥乤乥乧乲乥乥乯书乄乯乣乴乯乲乯书乐乡乴乴乥乲乮乒乥乣乯乧乮乩乴乩乯乮乡乮乤义乮乴乥乬乬乩乧乥乮乴乓乹乳乴乥乭乘乩丧乡乮乐丮乒丮乃乨乩乮乡乓乥买乴乥乭乢乥乲串丰丱丷摘要摘摘摘要要要三维模型的特征对三维模型的分析和理解非常重要。现有三维模型的特

3、征主要通过手工设计的描述符进行提取。然而,这些手工设计的描述符需要具有丰富经验的研究人员的大量干预,才能获得较好的特征。为了解决这个问题,本研究使用无监督的方式来学习三维模型的特征。本研究提出了四种不同的三维模型无监督特征学习方法。其中,利用深度学习网络实现了三种全新的方法。这些方法将机器学习与全新的几何处理方法相结合,并从全新的三维模型原始表征中学习阶层式的高层特征。这三种深度学习网络分别叫做,圆形卷积受限波尔兹曼机,网格卷积受限波尔兹曼机以及基于排列体素化的无监督学习框架。另外一种被称为位置上下文相关

4、词袋模型的方法,使用传统的机器学习方法学习了位置关系增强的三维模型特征。这些方法在学习过程中,都解决了三维模型数据的一些难题,诸如任意的顶点个数,不规则的顶点连接以及三维模型表面上方向的不确定性。以下将分别对这些方法的创新性进行简要介绍。基于全新的圆形卷积,本研究首先提出了圆形卷积受限玻尔兹曼机。它使用全新的环状结构,以保存结构的方式对三维局部特征进行学习。圆形卷积使用一个扇形卷积窗沿着一致方向旋转的方式对一个三维局部区域进行卷积。在圆形卷积过程中,卷积核从扇形卷积窗口内的全新三维局部原始表征中学习几何信

5、息。另外,该方法创新性地使用傅里叶变换的模来消除扇形窗口初始位置的不确定性。网格卷积受限波尔兹曼机具有全新的不规则网络结构,目的是从全新的三维模型原始表征,局部函数能量分布,中同时学习保存结构的局部和全局特征。另外,通过全新的局部结构保存卷积,多个网格卷积受限波尔兹曼机能够被层叠为一个更深层的网络。局部结构保存的卷积策略有效解决了三维模型表面方向不确定的问题。基于排列体素策略的无监督特征学习框架将从原始三维体素中学习阶层式的高层三维局部特征。该策略首先将每个三维局部区域离散成具有规则结构的体素,然后,将这

6、些体素排列为稀疏的,规则的,二值体素向量,并且消除旋转以及三维模型表面方向不确定的影响。最后,层叠稀疏自编码器从这些体素向量中学习阶层式的区域模式。为了在三维模型上编码虚拟词之间的位置关系,本研究提出了位置上下文相关袋子模型。使用局部观点,该方法通过在三维模型上统计位置上下文相关的模式的出现频率来描述三维模型,这使得该模型比采用全局观点的方法能够获得更加紧凑和具有义西北工业大学博士学位论文判别度的表征。具体来说,通过马尔科夫链以多尺度的方式提取每个顶点的位置上下文,进而提出位置上下文的相关同时编码局部区域

7、的几何和结构信息,最后,通过无监督聚类的方式学习了位置上下文相关的模式。本研究提出的四种方法在全局物体检索,局部物体检索,分类以及对应的实验中,在多个三维模型数据库上分别和先进的方法进行了对比。实验结果表明,所提出的方法都获得了优于先进方法的结果。关键字:三维模型,特征学习,圆形卷积受限波尔兹曼机,网格受限波尔兹曼机,排列体素策略,位置上下文相关袋子模型。义义乁乢乳乴乲乡乣乴Abstract乔乨乥书乥乡乴乵乲乥乳乯书丳乄乳乨乡买乥乳乡乲乥乩乭买乯乲乴乡乮乴书乯乲丳乄乳乨乡买乥乡乮乡乬乹乳乩乳乡乮乤乵乮乤乥

8、乲乳乴乡乮乤乩乮乧丮乕乮乴乩乬乮乯乷丬乴乨乥书乥乡乴乵乲乥乳乯书丳乄乳乨乡买乥乳乡乲乥乭乡乩乮乬乹乯乢乴乡乩乮乥乤书乲乯乭乨乡乮乤中乣乲乡书乴乥乤乤乥乳乣乲乩买乴乯乲乳丮么乯乷乥乶乥乲丬乴乨乥乳乥乤乥乳乣乲乩买乴乯乲乳乡乲乥乨乡乮乤中乣乲乡书乴乥乤乡乮乤乲乥乱乵乩乲乥乩乮乴乥乮乳乩乶乥乨乵乭乡乮乩乮乴乥乲乶乥乮乴乩乯乮乷乩乴乨买乲乩乯乲乫乮乯乷乬乥乤乧乥丮乔乯乲乥乳乯乬乶乥乴乨乩乳买乲乯乢乬乥乭丬乮乯乶乥乬乭乥乴乨乯乤乳乡乲乥

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。