三维深度学习网络的几何差异感知能力 |
| |
引用本文: | 许煜濠,刘石坚,康朝明,吴连杰,邹峥.三维深度学习网络的几何差异感知能力[J].福建工程学院学报,2023(6):592-597. |
| |
作者姓名: | 许煜濠 刘石坚 康朝明 吴连杰 邹峥 |
| |
作者单位: | 1. 福建省大数据挖掘与应用技术重点实验室;2. 福建师范大学计算机与网络空间安全学院 |
| |
摘 要: | 在使用深度学习技术处理三角网格等三维数据时,如果网络不具备感知数据位置、朝向、尺寸等几何属性差异的能力,可能导致模型泛化能力不足、准确率偏低的后果。为解决该问题,在变换网络T-Net的基础上,提出名为几何差异感知(geometric difference perception, GDP)的网络模块。其核心思想是通过多样化的样本训练,学习到一个变换矩阵,对高维特征进行规范化。通过以牙齿网格分割为任务的多项实验表明,GDP能够有效应对三维数据的几何差异问题,避免其对模型性能造成的不良影响,对于网格分割等三维任务性能的提升具有重要意义。
|
关 键 词: | 三角网格 深度学习 几何变换 牙齿分割 |
|
|