计算机应用研究

作者：张晓辉,何金海,兰鹏燕,徐圣斯,

单位：1.辽宁师范大学计算机与信息技术学院,辽宁大连116081；2.大连工业大学信息技术中心,辽宁大连116034；

关键词：深度学习,形状分类,三维形状,图卷积,局部几何,全局结构,

基金：辽宁省科技厅资助项目(2023JH2/101300190)；辽宁省教育厅一般项目(LJ2020015)；；

针对复杂结构的三维形状分析与识别问题，提出了新颖的图卷积分类方法，建立了局部几何与全局结构联合图卷积学习机制，有效提高了三维形状数据学习的鲁棒性与稳定性。首先，通过最远点采样与最近邻方法构造局部图，并建立动态卷积算子，有效提取局部几何特征；同时，基于特征域采样构造全局的特征谱图，通过卷积算子获得全局结构信息。进而，构建加权的联合图卷积学习网络模型，引入注意力机制，实现自适应的特征融合。最终，在联合优化目标函数约束下，有效提高特征学习的性能。实验结果表明，融合局部几何与全局结构的联合图卷积网络学习机制，有效提高了深度特征的表示能力及区分性，具有更优秀的识别力和分类性能。该研究方法可应用于大规模三维场景识别、三维重建以及数据压缩，在机器人、产品数字化分析、智能导航、虚拟现实等领域具有着重要的工程意义与广泛的应用前景。

来源：2023年第12期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2023年第12期