三元组网络的多视图特征融合三维模型分类方法

本发明涉及一种三元组网络的多视图特征融合三维模型分类方法。本发明首先对三维模型进行预处理，通过投影得到一组表征三维模型的二维视图集，利用DRSN(Deep Residual Shrinkage Network)从二维视图中提取视图特征。采用形状特征描述符D1、D2、D3和边缘纹理特征E‑LBP来描述二维视图，并与视图特征进行融合得到视图融合特征。然后，利用香农熵对视图显著性进行排序，并使用基于LSTM的三元组多视图特征融合网络进行多视图特征融合，提出中心锚困难三元组损失，联合交叉熵损失来优化基于LSTM的三元组多视图特征融合网络。利用优化后的基于LSTM的三元组多视图特征融合网络从三维模型的二维视图集中提取多视图融合特征，并经过全连接层和softmax来确定三维模型的类别。本发明具有较好的三维模型分类效果，能更准确地预测出三维模型的真实类别。