随着计算机技术的快速发展以及互联网的普及，人们获取信息变得越来越方便。同时，信息的数量飞速增长，其种类也越来越多。最初的信息形式为文本、数字等，现在发展为图像、声音、视频等各种多媒体信息。其中，三维模型作为虚拟现实等技术的基础，使用范围变得越来越广泛。相比于图像视频，三维模型作为一种新的信息媒介在很多领域都发挥着重要的作用。目前三维模型已经被广泛应用于工业产品设计、影视动画、电子商务、文物保护、城市规划、虚拟现实、分子生物学等领域。随着三维数据获取成本的降低和许多应用需求的增加，三维模型数据大量产生，其中一部分可共享。如何对三维模型进行有效的分析，是近年来研究的热门课题。
　　在众多分析方法中，将三维模型表示为多视角图片和表示为点云的方式效果尤为突出。而多视角图片的表示方法由于能够应用到当前计算机视觉中的优秀图像处理网络，而成为现今较为经典的表示方法。在三维模型的分析任务中，最为重要的是三维模型的分类与检索。
　　本文基于三维模型的分类与跨域检索两个任务提出两个算法框架。
　　1.利用多视角的三维模型表征方法，针对视角图片信息及视角间的关联信息提出一种多模型融合的三维模型分类方法，包含卷积神经网络(CNN)与长短时记忆网络(LSTM)两分支子模型，并加入注意力机制，有效提取重要表征信息。此三维模型分类任务在ModelNet40上的实验以及与其他分类方法的横向对比证明了该结构的有效性。
　　2.针对三维模型检索，结合日常需要，我们提出一种基于图片的跨域检索方法，对图片域与模型域的特征进行域内区分学习与域间联系学习，并在以SHREC为主的多个数据集上进行实验，实验结果证实了整个框架在跨域学习上的有效性。