如何输入3D网格物体(原始三角形和顶点),得到分类概率的输出.doc
《如何输入3D网格物体(原始三角形和顶点),得到分类概率的输出.doc》由会员分享,可在线阅读,更多相关《如何输入3D网格物体(原始三角形和顶点),得到分类概率的输出.doc(6页珍藏版)》请在三一文库上搜索。
1、如何输入3D网格物体(原始三角形和顶点),得到分类概率的输出2017 年 3 月,当时我的老板说自动识别 3D 物体几乎是不可能的,但大家一致反对。因此,今天我要解决的问题是:如何输入 3D 网格物体(原始三角形和顶点),得到分类概率的输出。我找到了如下几种解决方案:对物体进行缩放并将其分割成体素。将体素给到神经网络中。计算大量描述符,将其放入分类器。从多侧进行物体投射,尝试用单独的分类器进行识别,然后将其放到元分类器中。在这里我想详细讲述一下一种相对简单有效的方法,即 DeepPano 方法。数据准备如今,图像数据集包含大量样本。但就 3D 模型数据集而言,并非如此。3D模型数据集中没有成千
2、上万的图像,因此 3D 模型识别没有得到深入研究,3D模型数据集也不均衡。大多数数据集包含有未进行方向对齐的物体。ModelNet10 是一个相对清晰的 3D 物体数据集。3D 物体在数据集中被存储为包含点线面的.off文件。 .off文件格式不支持显示布料、纹理以及其他材质。这里是物体种类与样本数量:样本总数约为 5000。当然这个数据集也非常不均衡。首先要做的是选择分类器类型。由于如图像、语音等重要数据的技术解决方案都是基于神经网络(或在 Kaggle 比赛中经常使用的奇特组件),因此训练神经网络是合乎逻辑的。神经网络对数据集的均衡性很敏感。所以第二步需要做的是使数据集更均衡。我决定使用从
3、 3dWarehouse 中得到的模型获取更多数据并创建扩展数据集。这些模型是以.skp文件格式存储的,因此必须进行转换。我使用SketchUp C Api创建了.skp - .off转换器来进行转换。下一步是数据清理,完全相同的图像已被删除。可以这样分配:这样数据集看起来就比较均衡了。除马桶外,几乎每个物体类别都包含有近 1000 个样本。其他物体类型之间的不均衡可通过分类权重进行修正。数据预处理在之前的步骤中,我们已经做了几件重要的事情。阐述问题。下载我们将要使用的基本数据集(ModelNet10)。从最初的 10 类物体中选出了7类。通过创建.skp - .off 转换器来转换 3d w
4、arehouse.中的模型,数据集变得更加均衡。现在开始深入了解数据预处理。在预处理过程中,数据预处理的最终结果是要用一种新的图像来表示 3D 网格物体。我们将使用圆柱投影来创建图像。3D网格物体此物体的转换结果首先,我们需要读入 3D 网格物体并进行存储。这可以通过功能强大的 trimesh 库来完成。它不仅提供读/写功能,而且有大量其他有用的功能,如网格变换,光线追踪等。第二步是计算圆柱投影。圆柱投影是什么呢?假设一个立方体位于 XoY 平面的中心,且原点有一条垂直轴。注意:如果物体的主轴不垂直,则需要在进行物体识别前应用方向对齐算法。这是一个完全不同的领域,因此在这里不对此主题进行探讨。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 如何 输入 网格 物体 原始 三角形 顶点 得到 分类 概率 输出
链接地址:https://www.31doc.com/p-3429468.html