【摘 要】
：
卷积神经网络的兴起产生了大量基于视图的三维模型识别方法,不同的视图融合方式影响了网络模型的特征提取性能.本文提出了一种自适应视图融合方法,将视图的动态奇异值信息作为三维模型的特征描述符,获得三维模型全局特征的方式由区域化分块、自适应SVD(Singular Value Decomposition)分解和维度压缩三部分组成,通过分块后的子区域极大地关注三维模型的局部特征,并用自适应的方法判断每个局部
【机 构】
：
河北大学 网络空间安全与计算机学院,河北 保定,071002
论文部分内容阅读
卷积神经网络的兴起产生了大量基于视图的三维模型识别方法,不同的视图融合方式影响了网络模型的特征提取性能.本文提出了一种自适应视图融合方法,将视图的动态奇异值信息作为三维模型的特征描述符,获得三维模型全局特征的方式由区域化分块、自适应SVD(Singular Value Decomposition)分解和维度压缩三部分组成,通过分块后的子区域极大地关注三维模型的局部特征,并用自适应的方法判断每个局部特征的影响大小,最后维度压缩去除较小影响的数值.动态奇异值网络是将这三部分作为卷积神经网络的后端,形成一
其他文献
串联6自由度工业机器人是工业自动化的核心装备,因此,讲授其工作原理的机器人学课程是众多机器人相关专业的核心课程之一.当前的机器人学课程存在工业机器人控制系统封闭,无
针对在中小范围内移动机器人以最短遍历找到所有目标,同时也要使得两两目标之间的路径最优的问题,提出一种基于改进D*算法融合蚁群算法的方案.尽管蚁群算法相对于其他优化算法或启发式算法在解决TSP问题上有较好表现,但其在路径规划上耗时长、路径质量较差;而对于原始D*算法路径转角大、转角次数多、较复杂地图下规划量大、生成路径贴近障碍物且多目标搜寻中无法实现最短遍历等缺点,通过改进原始D*算法的启发函数和子
作为融合大规模信息的有效工具,异质信息网络在数据挖掘任务中一直具有重要的实用意义.文献信息网络作为一种典型的异质信息网络,基于其的作者相似性度量问题近年来得到了广
MOEA/D算法的每个子问题都从邻域中选取父代解进行交叉变异,邻域结构在整个进化过程中维持不变,在一定程度上限制了父代选择的范围,算法在搜索后期会出现种群退化、收敛速度
蛋白质的三维结构是研究其生物功能及活性机理的基础.为了提高蛋白质结构的预测精度,在进化计算的框架下,提出一种接触图辅助的过程重采样蛋白质构象空间优化算法(Contact Ma
针对目前雨场景中,玻璃窗上水滴运动模拟不真实的问题,提出一种水滴运动控制的实时绘制算法.首先,采用离散环境中的粒子系统,考虑重力的作用效果,结合随机数构造不同形状的静态水滴,解决水滴建模时仅使用一个球体所引起的水滴形状单一性问题;然后,以垂直玻璃表面上的水滴真实受力模型为基础,引入空气阻力控制因子,对水滴速度进行计算,改善目前水滴运动长度不可控问题;最后,综合考虑水滴受力和相邻网格对水滴的亲和度,
作为一种数据采集型网络,无线传感器网络有效地提高了人们获取客观物理信息的能力,已成为智慧生活的重要一环.然而,无线传感器网络数据是一种流数据,显著特点在于具有时间顺
针对运动目标跟踪算法在复杂环境中精度下降、跟踪目标出现遮挡或形状尺度变化时导致跟踪失败等问题,提出一种改进的相关滤波跟踪算法.采用改进方向梯度直方图与图像颜色进行特征融合增强算法对目标特征的表达能力,通过引入运动方向场并结合响应因子对当前跟踪状态进行评价,在发生形变、遮挡等情况下对目标进行找回,最后加入自适应尺度调整策略,提高算法在目标尺度变化时的适应能力.通过实验分析,本文算法在复杂场景下检测性
推荐系统中奇异值矩阵分解在用于预测用户对项目的评分时,大都只是单一的考虑项目隐式反馈或用户隐式反馈,由此造成用户对项目的评分不太精确.针对这一问题本文提出了融合项
随着云服务理念的普及,移动云环境不仅为我们提供安全稳定和高效的信息服务,也为我们的协同交互任务带来了很大挑战,传统的一致性维护算法在移动云环境下不能够很好地扩展.实