改进MeshNet网络的形状分类检测算法
杨俊颉
王军
程勇
南京信息工程大学 南京 210044
摘要：随着硬件的进步,卷积神经网络在二维图像识别领域得到了迅速的发展,将卷积神经网络推广到三维逐渐成为新的需求与潮流.在不同的三维表达中,网格模型因为其复杂的结构与不规则的形状给网格数据运用到深度学习领域带来了困难,直到MeshNet的出现改变了这一形势.论文改进了MeshNet,引入自注意力机制与残差网络模块,建立了输入的相关性,拓宽了网络的深度;引入一个新的损失函数PolyLoss,实现了更好的性能;最后在ModelNet40数据集上的进行形状分类任务,实验结果表明,该方法的准确率与所有类别平均检测精度达到了92.1%和85.1%,对比原始的MeshNet分别提高了0.9%和4.3%,验证了改进网络的有效性.
关键词：卷积神经网络残差网格MeshNet自注意力机制PolyLoss
分类号：TP393(计算技术、计算机技术)
论文发表日期：2025-09-20
在线出版日期：2025-12-23（本平台首次上网日期，不代表文献的发表时间）
页数：6( 2393-2397,2441 )
英文信息