权值优化集成卷积神经网络及其在三维模型识别中的应用
【摘要】 三维模型应用广泛，如何有效地管理和分类这些数据库中的三维模型一直是人们关注的问题。然而，由于不同三维模型之间的相似性难以测量，因而很难获得一种稳健且广泛适用的三维模型分类算法。为此，提出了一种权值优化集成卷积神经网络(WOTCNN)模型，并将其应用到三维模型的分类识别中。首先，获取三维模型的深度投影视图来最大限度地保留三维模型的空间信息。然后，采用调整的VGG网络对各角度的深度投影图像进行训练并提取预测概率值。最后，通过加权集成算法获得完整三维模型的最终分类结果。对ModelNet10及ModelNet40数据库的实验表明:三维模型的平均分类准确率达到92.84%和86.51%。在预测性能方面，该网络优于普通的单卷积神经网络;在三维模型识别方面，其分类准确率能够得到显著提升。关键词:三维模型分类;体素化;卷积神经网络;集成学习;权值优化
