Resumen

Con el incremento exponencial de modelos 3D, la clasificación de modelos 3D es crucial para la gestión efectiva y recuperación de bases de datos de modelos. El descriptor de características tiene una influencia importante en la clasificación de modelos 3D. El descriptor de voxel expresa información superficial e interna del modelo 3D. Sin embargo, no contiene información de estructura topológica. El descriptor de distribución de forma expresa la relación geométrica de puntos aleatorios en la superficie del modelo y tiene invariancia a la rotación. Todos pueden ser utilizados para clasificar modelos 3D, pero la precisión es baja debido a una descripción insuficiente del modelo 3D. Este artículo propone un algoritmo de clasificación de modelos 3D que fusiona el descriptor de voxel y el descriptor de distribución de forma. Se utiliza una red neuronal convolucional 3D (CNN) para extraer características de voxel, y se adopta una CNN de 1D para extraer características de distribución de forma. Se aplica el algoritmo AdaBoost para combinar varios clasificadores bayesianos y obtener un clasificador

• Materias:Modelo Matemático Gestión ambiental Sistemas dinámicos Datos estructurales Sistema inalámbrico
• Subjects:Mathematical model Environmental management Dynamic systems Structural data Wireless system
• Palabras claves:Modelos 3D; Clasificación; Descriptor; CNN; Algoritmo; Precisión
• Keywords:3d models; Classification; Descriptor; Cnn; Algorithm; Accuracy