MVCNN++ CAD Model Shape Classification using Multi-View Convolutional Neural Networks【浅读】

MVCNN++: CAD Model Shape Classification using Multi-View Convolutional Neural Networks

MVCNN++: CAD Model Shape Classification using Multi-View Convolutional Neural Networks

(基于多视图卷积神经网络的CAD模型形状分类)

摘要

深度神经网络在图像和文本数据的分类和检索任务中显示出有希望的成功。虽然在计算机图形学领域已经有了几种深度网络的实现，但这些算法不容易在不同的数据集之间转换，特别是对于产品设计和制造领域中使用的形状。与计算机图形学领域中用于三维形状分类和检索的数据集不同，三维模型的工程级描述并不产生整齐的不同类别。目前的研究着眼于3D形状深度学习算法的分类和检索的改进形式，通过使用诸如放松分类，使用定角相机角度捕捉特征细节和迁移学习来减少训练形状识别算法所需的数据量和处理时间。本文提出的算法(MVCNN++)建立在多视图卷积神经网络(MVCNN)算法的基础上，通过使用零件元数据提高了其对制造零件分类的效率，比原始版本提高了近6%。随着公共存储库中可用的3D产品模型的爆炸式增长，搜索和发现相关模型对于民主化访问设计模型至关重要。

MVCNN++。主要内容和贡献包括：

1. 提出了一种新的多视角卷积神经网络(MVCNN++)架构，用于制造部件的形状分类。该架构通过在3D空间中以多个角度拍摄CAD模型的图像，并利用预训练的深度神经网络，实现了比直接应用于传统