基于手绘草图的三维模型检索研究与实现
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景 | 第9页 |
| 1.2 三维模型检索方法概述 | 第9-14页 |
| 1.3 本文主要工作 | 第14-15页 |
| 1.4 本文组织结构 | 第15-17页 |
| 第二章 相关工作综述 | 第17-46页 |
| 2.1 引言 | 第17-19页 |
| 2.2 投影视角选择方法 | 第19-22页 |
| 2.2.1 固定视角 | 第19-20页 |
| 2.2.2 学习“最佳视角” | 第20-22页 |
| 2.3 投影渲染算法 | 第22-24页 |
| 2.3.1 暗示轮廓线 | 第23页 |
| 2.3.2 显著脊线 | 第23-24页 |
| 2.4 三维模型特征表达方法 | 第24-31页 |
| 2.4.1 基于手工设计的特征表达方法 | 第24-28页 |
| 2.4.2 基于机器学习的特征表达方法 | 第28-31页 |
| 2.5 相似度度量算法 | 第31-34页 |
| 2.5.1 基于距离的度量方法 | 第31-32页 |
| 2.5.2 相似度度量学习 | 第32-34页 |
| 2.6 卷积神经网络原理分析 | 第34-45页 |
| 2.6.1 卷积神经网络的神经生物学基础 | 第34-40页 |
| 2.6.2 卷积神经网络的构成分析 | 第40-45页 |
| 2.7 本章小结 | 第45-46页 |
| 第三章 基于卷积神经网络的特征提取 | 第46-57页 |
| 3.1 引言 | 第46-47页 |
| 3.2 设计卷积神经网络提取图像特征 | 第47-55页 |
| 3.2.1 LeNet-5 | 第47-49页 |
| 3.2.2 AlexNet | 第49-50页 |
| 3.2.3 GoogLeNet | 第50-53页 |
| 3.2.4 特征提取网络结构设计 | 第53-55页 |
| 3.3 训练自动编码器对特征降维 | 第55-56页 |
| 3.4 本章小结 | 第56-57页 |
| 第四章 基于三元组卷积神经网络的三维模型检索算法 | 第57-69页 |
| 4.1 引言 | 第57-58页 |
| 4.2 相似度度量学习方法 | 第58-59页 |
| 4.3 检索算法综合设计 | 第59-64页 |
| 4.3.1 投影视角与线渲染算法 | 第59-60页 |
| 4.3.2 用于度量学习的CNN结构设计 | 第60-61页 |
| 4.3.3 三元组训练数据构造 | 第61-63页 |
| 4.3.4 网络训练与检索引擎构建 | 第63-64页 |
| 4.4 检索系统具体实现步骤 | 第64-68页 |
| 4.5 本章小结 | 第68-69页 |
| 第五章 检索性能分析 | 第69-81页 |
| 5.1 评测指标及实验环境 | 第69-70页 |
| 5.2 在PSB数据集上的实验结果分析 | 第70-73页 |
| 5.3 SHREC'13数据集上的实验结果分析 | 第73-81页 |
| 总结与展望 | 第81-83页 |
| 参考文献 | 第83-87页 |
| 攻读硕士学位期间取得的科研成果 | 第87-89页 |
| 致谢 | 第89页 |
