基于多判别与成对CNN的视图三维目标检索
计算机视觉与模式识别
2020-02-28 v1 机器学习
图像与视频处理
摘要
随着计算机、摄像设备、网络与硬件技术的快速发展和广泛应用，三维目标（或模型）检索已引起广泛关注，并成为计算机视觉领域的研究热点。已有的深度学习特征在三维目标检索中已被证明优于手工特征的检索性能。然而，现有多数网络未考虑多视图图像选择对网络训练的影响，且单独使用对比损失仅迫使同类样本尽可能接近。本文提出一种名为多视图判别与成对CNN（MDPCNN）的新方案用于三维目标检索以解决这些问题。它通过添加Slice层和Concat层实现多批次与多视图的同时输入。此外，通过对不易分类的样本进行聚类训练，获得高判别性网络。最后，我们采用对比中心损失与对比损失作为优化目标，具有更好的类内紧致性与类间可分性。大规模实验表明，所提MDPCNN在三维目标检索中相较最先进算法取得了显著性能提升。
引用
@article{arxiv.2002.11977,
title = {Multiple Discrimination and Pairwise CNN for View-based 3D Object Retrieval},
author = {Z. Gao and K. X Xue and S. H Wan},
journal= {arXiv preprint arXiv:2002.11977},
year = {2020}
}