[發(fā)明專利]基于卷積神經(jīng)網(wǎng)絡(luò)與多視角圖的三維模型檢索方法及裝置有效
| 申請?zhí)枺?/td> | 201910329456.5 | 申請日: | 2019-04-23 |
| 公開(公告)號: | CN110147460B | 公開(公告)日: | 2021-08-06 |
| 發(fā)明(設(shè)計)人: | 胡書山;朱天放 | 申請(專利權(quán))人: | 湖北大學(xué) |
| 主分類號: | G06F16/583 | 分類號: | G06F16/583;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司: | 深圳市六加知識產(chǎn)權(quán)代理有限公司 44372 | 代理人: | 宋建平 |
| 地址: | 430061 湖北*** | 國省代碼: | 湖北;42 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 基于 卷積 神經(jīng)網(wǎng)絡(luò) 視角 三維 模型 檢索 方法 裝置 | ||
本申請實施例涉及一種基于卷積神經(jīng)網(wǎng)絡(luò)與多視角圖的三維模型檢索方法、裝置、電子設(shè)備及存儲介質(zhì),上述方法,包括:獲取非剛性三維模型的多張視角圖,每張視角圖分別對應(yīng)不同的視角;通過卷積神經(jīng)網(wǎng)絡(luò)提取所述每張視角圖的卷積特征;獲取所述每張視角圖的圖像熵,并根據(jù)所述圖像熵確定所述每張視角圖的卷積特征對應(yīng)的置信度;根據(jù)所述多張視角圖的卷積特征及對應(yīng)的置信度確定所述非剛性三維模型與三維模型中各個實體模型的相似度;根據(jù)所述相似度檢索與所述非剛性三維模型匹配的實體模型。上述基于卷積神經(jīng)網(wǎng)絡(luò)與多視角圖的三維模型檢索方法、裝置、電子設(shè)備及存儲介質(zhì),能夠更加準確地檢索到三維模型。
技術(shù)領(lǐng)域
本申請涉及三維設(shè)計領(lǐng)域,特別是涉及一種基于卷積神經(jīng)網(wǎng)絡(luò)與多視角圖的三維模型檢索方法、裝置、電子設(shè)備及存儲介質(zhì)。
背景技術(shù)
相對于圖像、視頻和聲音等多種媒體數(shù)據(jù),三維模型及其組成的三維場景能夠更全面、真實地展現(xiàn)客觀物體信息,符合人體視覺系統(tǒng)感知形式,因而被廣泛應(yīng)用在了產(chǎn)品設(shè)計、虛擬現(xiàn)實、影視動畫等領(lǐng)域。快速準確地從模型庫中檢索到相似模型不僅能夠減少構(gòu)建重復(fù)模型的任務(wù)量,并能方便三維模型素材的管理與使用,使三維設(shè)計變得容易且迅速。在當(dāng)前模型庫構(gòu)建中,三維模型檢索大多采取基于文本的檢索方式,此種方式需要人工對模型標注。但憑借人工主觀判斷,同一標注內(nèi)的模型可能千差萬別,存在檢索結(jié)果不準確等不足。
發(fā)明內(nèi)容
本申請實施例提供一種基于卷積神經(jīng)網(wǎng)絡(luò)與多視角圖的三維模型檢索方法、裝置、電子設(shè)備及存儲介質(zhì),能夠更加準確地檢索到三維模型。
一種基于卷積神經(jīng)網(wǎng)絡(luò)與多視角圖的三維模型檢索方法,包括:
獲取非剛性三維模型的多張視角圖,每張視角圖分別對應(yīng)不同的視角;
通過卷積神經(jīng)網(wǎng)絡(luò)提取所述每張視角圖的卷積特征;
獲取所述每張視角圖的圖像熵,并根據(jù)所述圖像熵確定所述每張視角圖的卷積特征對應(yīng)的置信度;
根據(jù)所述多張視角圖的卷積特征及對應(yīng)的置信度確定所述非剛性三維模型與三維模型庫中各個實體模型的相似度;
根據(jù)所述相似度檢索與所述非剛性三維模型匹配的實體模型。
一種基于卷積神經(jīng)網(wǎng)絡(luò)與多視角圖的三維模型檢索裝置,包括:
獲取模塊,用于獲取非剛性三維模型的多張視角圖,每張視角圖分別對應(yīng)不同的視角;
提取模塊,用于通過卷積神經(jīng)網(wǎng)絡(luò)提取所述每張視角圖的卷積特征;
置信度確定模塊,用于獲取所述每張視角圖的圖像熵,并根據(jù)所述圖像熵確定所述每張視角圖的卷積特征對應(yīng)的置信度;
相似度確定模塊,用于根據(jù)所述多張視角圖的卷積特征及對應(yīng)的置信度確定所述非剛性三維模型與三維模型庫中各個實體模型的相似度;
檢索模塊,用于根據(jù)所述相似度檢索與所述非剛性三維模型匹配的實體模型。
一種電子設(shè)備,包括存儲器及處理器,所述存儲器中存儲有計算機程序,所述計算機程序被所述處理器執(zhí)行時,使得所述處理器實現(xiàn)如上所述的方法。
一種計算機可讀存儲介質(zhì),其上存儲有計算機程序,所述計算機程序被處理器執(zhí)行時實現(xiàn)如權(quán)上所述的方法。
上述基于卷積神經(jīng)網(wǎng)絡(luò)與多視角圖的三維模型檢索方法、裝置、電子設(shè)備及存儲介質(zhì),獲取非剛性三維模型中對應(yīng)不同視角的多張視角圖,通過卷積神經(jīng)網(wǎng)絡(luò)提取每張視角圖的卷積特征,獲取每張視角圖的圖像熵,并根據(jù)圖像熵確定每張視角圖的卷積特征對應(yīng)的置信度,再根據(jù)多張視角圖的卷積特征及對應(yīng)的置信度確定非剛性三維模型與三維模型庫中各個實體模型的相似度,從而可根據(jù)相似度檢索與非剛性三維模型匹配的實體模型,能夠更加準確、快速地檢索到三維模型。
附圖說明
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于湖北大學(xué),未經(jīng)湖北大學(xué)許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201910329456.5/2.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 卷積運算處理方法及相關(guān)產(chǎn)品
- 一種卷積神經(jīng)網(wǎng)絡(luò)的計算方法及系統(tǒng)
- 卷積運算方法及系統(tǒng)
- 卷積運算方法、裝置及系統(tǒng)
- 深度神經(jīng)網(wǎng)絡(luò)裁剪方法、裝置及電子設(shè)備
- 基于卷積神經(jīng)網(wǎng)絡(luò)的圖像處理方法和圖像處理裝置
- 卷積神經(jīng)網(wǎng)絡(luò)及基于卷積神經(jīng)網(wǎng)絡(luò)的圖像處理方法
- 一種圖像處理方法、裝置以及計算機存儲介質(zhì)
- 用于卷積神經(jīng)網(wǎng)絡(luò)的卷積運算裝置
- 基于FPGA實現(xiàn)圖像識別的方法、裝置、設(shè)備及存儲介質(zhì)
- 硬件神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)換方法、計算裝置、軟硬件協(xié)作系統(tǒng)
- 生成較大神經(jīng)網(wǎng)絡(luò)
- 神經(jīng)網(wǎng)絡(luò)的生成方法、生成裝置和電子設(shè)備
- 一種舌診方法、裝置、計算設(shè)備及計算機存儲介質(zhì)
- 學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
- 脈沖神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)換方法及相關(guān)轉(zhuǎn)換芯片
- 圖像處理方法、裝置、可讀存儲介質(zhì)和計算機設(shè)備
- 一種適應(yīng)目標數(shù)據(jù)集的網(wǎng)絡(luò)模型微調(diào)方法、系統(tǒng)、終端和存儲介質(zhì)
- 用于重構(gòu)人工神經(jīng)網(wǎng)絡(luò)的處理器及其操作方法、電氣設(shè)備
- 一種圖像神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的優(yōu)化方法及裝置





