阅读笔记Surflet-Pair-Relation Histograms: A Statistical 3D-Shape Representation for Rapid Classification
来源:互联网 发布:西安少儿编程培训机构 编辑:程序博客网 时间:2024/06/05 15:40
摘要:文章对3维形状基于一种4维特征介绍了一种统计表示的方法。文章将特征压缩为直方图进行表示。识别阶段与存储的直方图进行比较。通过6个不同的准则对匹配质量进行评价。
点特征直方图
文章也对点特征直方图进行了介绍,确定完局部坐标系后,计算下列四个特征:
即目标点法线在局部坐标系两坐标轴上投影并计算,目标点法线在局部坐标系v轴上投影,源点法线在两点云数据连线上的投影,两点云数据间欧氏距离。第一个和第二个代表n2的方位角及俯仰角的cos值,第三个和第四个代表从源点到目标点的方向和距离。对第四个特征进行归一化。并做了如下定义:
4维特征分布使用一个直方图进行表示,每个特征S都放到直方图H(i)中的某一位。
d是直方图位数。这里取d=5^4=625。
论文介绍的直方图相似性评价准则
Ho是数据库中的直方图
- 将每个直方图中较小值对应求和,只需进行加法运算;
- 欧氏距离对噪声敏感。
- ,相对熵的合成形式,相对熵(Kullback-Leibler Divergence)也叫交叉熵,对两个完全相同的函数,他们的相对熵为零;相对熵越大,两个函数差异越大。作者使用该距离测度获得了较好的实验结果,但花费时间较长。
- 极大似然分类器,,效果好,速度快。
总结
- Kullback-Leibler 和极大似然标准获得了较好地识别结果。在理想情况下获得了近乎完美的实验结果,在有噪声和遮挡的情况下获得了鲁棒性的结果。而且与网格表面分辨率不相关。
- More specifically, the experiments clearly indicate that, for best performance, high noise during recognition should be reduced by spatial averaging, at the cost of a lower mesh resolution. 当噪声较强时应当使用空间平滑的方法降低噪声的影响,但同时降低了分辨率。
- 特征对目标姿态具有不变性。但对机器人应用来说需要对目标姿态保持敏感。对未来的研究,因此可能是对一个场景中可能出现多个目标的情况对其进行定位,这可能包含一个对目标进行分割的步骤。
阅读全文
0 0
- 阅读笔记Surflet-Pair-Relation Histograms: A Statistical 3D-Shape Representation for Rapid Classification
- Reinforcement Learning for Relation Classification from Noisy Data阅读笔记
- [ACL2015] A Dependency-Based Neural Network for Relation Classification
- [ACL2015]A Dependency-Based Neural Network for Relation Classification
- 论文笔记--Appearance-and-Relation Networks for Video Classification
- 笔记:Semi-Supervised Low-Rank Representation for Image Classification
- A Statistical Confidence Measure for Optical Flows-论文阅读
- 论文浅尝 | Reinforcement Learning for Relation Classification
- A Committee of Neural Networks for Traffic Sign Classification 阅读笔记
- 论文阅读:Volumetric and Multi-View CNNs for Object Classification on 3D Data
- A New Representation of Skeleton Sequences for 3D Action Recognition
- 论文阅读笔记:A 3D Coarse-to-Fine Framework for Automatic Pancreas Segmentation
- 论文阅读 - 《Relation Classification via Multi-Level Attention CNNs》
- Implementing a CNN for Text Classification in TensorFlow(用tensorflow实现CNN文本分类) 阅读笔记
- Implementing a CNN for Text Classification in TensorFlow(用tensorflow实现CNN文本分类) 阅读笔记
- 论文阅读:Multi-view Convolutional Neural Networks for 3D Shape Recognition
- Recurrent Convolutional Neural Networks for Text Classification阅读笔记
- Hierarchical Attention Network for Document Classification阅读笔记
- systemd添加自定义系统服务设置自定义开机启动
- Android Http请求服务器返回505
- CImage 与 Mat 相互转换
- 中科院开源图形化机器学习系统Easy ML
- Android下如何通过JNI方法向上提供接口总结
- 阅读笔记Surflet-Pair-Relation Histograms: A Statistical 3D-Shape Representation for Rapid Classification
- 字符串的排列
- 《java多线程编程核心技术》
- 封装自定义滚动条
- MaxCompute分区表和非分区表使用对比
- Scala练习-斐波那契查找
- HDU 1133 Buy the Ticket【卡特兰数】
- 2017.6.26~2017.7.5训练总结
- DeepLearning tutorial(2)机器学习算法在训练过程中保存参数