《表2 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

表2所示为本文方法与其他三维模型分类领域领先的方法在ModelNet10和ModelNet40数据集上的准确率对比.表中本文方法代表加入多视角加权判别网络与替换训练策略后的结果，本文方法（固定）为利用MVCNN 12个固定视角加入本文提出的多视角加权判别网络与替换训练策略后的分类结果（表中黑体表示最佳结果），本文方法（视点熵）为利用基于视点熵法选择的12个最佳视角加入本文提出的多视角判别网络与替换训练策略后的分类结果.本文方法在基于投影的方法中所用的视角数少并且准确率较高，也超过了其他非投影的方法，发挥出了基于投影的方法在三维模型分类领域的优势，进一步验证了基于视点熵的最佳视角选择方式能够减少多视角间的信息冗余，有效地选取模型类别信息蕴含丰富的视角，最终提升三维模型分类的准确率.