← 返回列表

基于跨实例和类别对比的三维模型检索方法及系统

申请号: CN202311705268.0
申请人: 济南大学
更新日期: 2026-03-09

专利详细信息

项目 内容
专利名称 基于跨实例和类别对比的三维模型检索方法及系统
专利类型 发明申请
申请号 CN202311705268.0
申请日 2023/12/11
公告号 CN117540043A
公开日 2024/2/9
IPC主分类号 G06F16/58
权利人 济南大学
发明人 牛冬梅; 韩小凡; 刁振宇; 窦文涛
地址 山东省济南市市中区南辛庄西路336号

摘要文本

本发明公开了基于跨实例和类别对比的三维模型检索方法及系统;获取查询图像、查询图像的掩码图以及三维模型集合,对查询图像进行图像增强得到若干个增强后的查询图像;将增强后的查询图像、查询图像的掩码图、三维模型的多视图均输入到训练后的三维模型检索网络中,输出三维模型检索结果;三维模型检索网络将增强后的查询图像和查询图像的掩码图,均输入到第一卷积神经网络中,输出查询图像的特征表示;将三维模型的多视图输入到第二卷积神经网络中,输出三维模型每个视图的特征表示,将三维模型所有视图的特征表示进行加权求和,得到三维模型的特征表示;将所获得的特征表示均输入到分类器中,输出查询图像所对应的三维模型。

专利主权项内容

1.基于跨实例和类别对比的三维模型检索方法,其特征是,包括:获取查询图像、查询图像的掩码图以及三维模型集合,每个三维模型均设有三维模型的多视图;对查询图像进行图像增强得到若干个增强后的查询图像;将增强后的查询图像、查询图像的掩码图、三维模型的多视图均输入到训练后的三维模型检索网络中,输出三维模型检索结果;其中,训练后的三维模型检索网络,用于:将增强后的查询图像和查询图像的掩码图,均输入到第一卷积神经网络中,输出查询图像的特征表示;将三维模型的多视图输入到第二卷积神经网络中,输出三维模型每个视图的特征表示,将三维模型所有视图的特征表示进行加权求和,得到三维模型的特征表示;将查询图像的特征表示和三维模型的特征表示,均输入到分类器中,训练后的分类器输出查询图像所对应的三维模型;其中,训练后的三维模型检索网络,总损失函数为第一、第二和第三损失函数的求和结果;第一损失函数用于缩小查询图像与三维模型之间的距离;第二损失函数用于缩小增强后的查询图像与其他增强后的查询图像之间的距离;第三损失函数用于增大不同实例三维模型之间的距离。