《表1 视角选择对分类准确率影响的对比》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于多视角卷积神经网络的三维模型分类方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

为了研究基于视点熵的最佳视角选择方法对三维模型分类准确率的影响，本文将其和MVCNN[6]的固定视角方式进行了对比.实验数据使用了ModelNet40，为了控制变量，本实验将MVCNN中的12个固定视角设置方式、80个固定视角设置方式、MVCNN的多尺度改进版MVCNN-MultiRes[7]中20个固定视角设置方式与本文基于视点熵的最佳视角选择方式进行了对比，只是视角选择方式不同，网络框架则相同.本文测试了基于视点熵的7，9，12，20个视角下的三维模型分类准确率.注意MVCNN-MultiRes[7]中聚合了多个尺度的特征信息，而本文利用视点熵的视角选择方法在12个视角的情况下就已经超过其准确率.表1所示为视角选择对分类准确率影响的对比，最优结果在表中用黑体标出.从表中可以看出，本文基于视点熵的最佳视角选择方法只需要选出9个视角，就可以在ModelNet40数据集的准确率水平上超过MVCNN中12个视角的准确率水平.而12个以上的视角对三维模型分类准确率的提升并不明显，说明视角间的冗余信息较大，不应该简单考虑增多视角.