发明名称 | 基于模糊K近邻的三维模型半自动标注方法及系统 | ||
摘要 | 本发明公开了一种基于模糊K近邻的三维模型半自动标注方法,该方法的实现过程为:首先建立3D模型训练库,然后提取输入的待标注模型的特征向量,并与训练库里的模型做相似性匹配,找到k个近邻模型,然后通过模糊K近邻分类器进行分类,得到模糊化的分类结果,最后计算分类不确定度,对于分类不确定的模型通过反馈和重新训练学的方法完成分类标注。标注完的模型被添加到3D模型训练库以进一步扩充模型库。本发明中的三维模型半自动标注方法,采用模糊化的分类结果,包含更多的信息,对于类别不确定的模型还可以借助反馈来确认类别标签,解决特征聚类边缘重叠的问题,并通过训练学的机制,进一步做到自动化标注。 | ||
申请公布号 | CN102254192A | 申请公布日期 | 2011.11.23 |
申请号 | CN201110196375.6 | 申请日期 | 2011.07.13 |
申请人 | 北京交通大学 | 发明人 | 万丽莉;张俊青;苗振江 |
分类号 | G06K9/66(2006.01)I | 主分类号 | G06K9/66(2006.01)I |
代理机构 | 北京市商泰律师事务所 11255 | 代理人 | 毛燕生 |
主权项 | 一种基于模糊K近邻的三维模型半自动标注方法,其特征在于,包括如下步骤:三维模型训练库建立步骤,建立三维模型训练库,所述训练库中包含三维模型的名称、几何结构信息、语义类别信息和特征信息;相似性匹配步骤,对用户输入的待标注模型提取特征向量,并与三维模型训练库里的模型做相似性匹配,找到k个与待标注模型最相近的近邻模型,所述k的取值范围为大于0且小于三维模型训练库里的模型数;模糊化分类步骤,基于相似性匹配步骤得到的k个近邻模型及它们的语义类别信息,采用模糊K近邻分类方法进行分类,得到模糊化的分类结果;分类不确定度计算步骤,基于模糊化的分类结果计算各个待标注模型的分类不确定度;训练学习步骤,基于分类不确定度计算步骤得到的分类不确定度,低于不确定度阈值的直接完成分类标注,高于不确定度阈值的通过相关性反馈和重新进行模糊分类方法完成分类标注;训练库添加步骤,完成分类标注的模型,按照已建立的三维模型训练库的存储格式,添加进训练库。 | ||
地址 | 100044 北京市海淀区西直门外上园村3号 |