SPNet：基于立体投影的深度3D物体分类与检索
计算机视觉与模式识别
2019-01-25 v2
摘要
我们提出了一种高效的立体投影神经网络（SPNet）用于学习3D物体的表示。我们首先使用立体投影将3D输入体转换为2D平面图像。然后提出一个浅层2D卷积神经网络（CNN）来估计物体类别，随后进行视图集成，其结合物体多视图的响应以进一步增强预测。具体地，所提方法包含四个阶段：（1）3D物体的立体投影，（2）视图特定特征学习，（3）视图选择以及（4）视图集成。所提方法在与最先进方法性能相当的同时，大幅降低了GPU内存与网络参数。尽管轻量，在3D物体分类与形状检索上的实验证明了所提方法的高性能。
引用
@article{arxiv.1811.01571,
title = {SPNet: Deep 3D Object Classification and Retrieval using Stereographic Projection},
author = {Mohsen Yavartanoo and Eu Young Kim and Kyoung Mu Lee},
journal= {arXiv preprint arXiv:1811.01571},
year = {2019}
}