[00246055]一种三维模型的深度特征提取方法
交易价格：
面议
所属行业：
其他电子信息
类型：
发明专利
技术成熟度：
正在研发
专利所属地：中国
专利号：CN201710148547.X
交易方式：
技术转让
技术转让
技术入股
联系人：
科小易
进入空间
所在地：福建厦门市
- 服务承诺
- 产权明晰
-
资料保密
对所交付的所有资料进行保密
- 如实描述
技术详细介绍
本[发明专利]提供一种三维模型的深度特征提取方法，首先，提取三维模型的极视图，作为深度卷积神经网络的训练输入数据；其次，构建深度卷积神经网络，并对极视图进行训练；再次，将极视图输入到深度卷积神经网络进行训练，直到深度卷积神经网络收敛，实现训练完成后深度卷积神经网络的内部权值的确定；最后，在已训练好的深度卷积神经网络中输入需提取特征的三维模型的极视图，计算深度卷积神经网络中全链接层的特征向量，则作为需提取特征的三维模型的深度特征。本[发明专利]构建深层卷积神经网络经过迭代修正权值缩小残差，使得网络收敛。待训练完毕后，提取卷积神经网络的全链接层作为三维模型极视图的深度特征。
本[发明专利]提供一种三维模型的深度特征提取方法，首先，提取三维模型的极视图，作为深度卷积神经网络的训练输入数据；其次，构建深度卷积神经网络，并对极视图进行训练；再次，将极视图输入到深度卷积神经网络进行训练，直到深度卷积神经网络收敛，实现训练完成后深度卷积神经网络的内部权值的确定；最后，在已训练好的深度卷积神经网络中输入需提取特征的三维模型的极视图，计算深度卷积神经网络中全链接层的特征向量，则作为需提取特征的三维模型的深度特征。本[发明专利]构建深层卷积神经网络经过迭代修正权值缩小残差，使得网络收敛。待训练完毕后，提取卷积神经网络的全链接层作为三维模型极视图的深度特征。
