基于稀疏 3D 卷积神经网络的大规模形状检索
计算机视觉与模式识别
2017-07-17 v2
摘要
本文展示了 S3DCNN（一种 Sparse 3D Convolutional Neural Network）在大规模 3D 形状基准 ModelNet40 上的性能评估结果，并测量了输入形状的体素分辨率对其的影响。我们展示了与 SOTA 模型相当的分类和检索性能，但在训练和推理阶段的计算成本要低得多。我们还注意到，更高输入分辨率的优势可能会受到神经网络泛化高层特征能力的限制。
引用
@article{arxiv.1611.09159,
title = {Large-Scale Shape Retrieval with Sparse 3D Convolutional Neural Networks},
author = {Alexandr Notchenko and Ermek Kapushev and Evgeny Burnaev},
journal= {arXiv preprint arXiv:1611.09159},
year = {2017}
}
备注
8 pages, 3 figures, 2 tables, accepted to 3D Deep Learning Workshop at NIPS 2016