[发明专利]三维对象特征获取方法、装置、计算机设备和存储介质

说明书

本申请涉及一种三维对象特征获取方法、装置、计算机设备和存储介质。所述方法包括：获取待分类的三维对象的目标网格信息；提取所述目标网格信息中的每个顶点的所有邻接顶点和最近邻顶点；以每个所述顶点为卷积中心，以对应所述顶点的所有邻接顶点和最近邻顶点为被卷积对象进行卷积操作，得到每个所述顶点对应的更新特征和重要性得分；根据所述重要性得分对所述顶点进行删除处理；获取删除处理后剩下的顶点以及剩下的所述顶点对应的更新特征对所述目标网格信息进行更新。采用本方法能够减少算力资源占用且提高准确性。

技术领域

本申请涉及人工智能技术领域，特别是涉及一种三维对象特征获取方法、装置、计算机设备和存储介质。

背景技术

在一些3D目标分类任务中，输入的数据是物体的模型文件，即目标由mesh格式表达，包含顶点以及三角面等信息。对于这些模型文件，一般使用基于深度学习的方法提取特征进而用于后续分类等任务。具体地，提取特征的方法可以分为三类：基于体素的、基于点云的以及基于多视角2D投影的。基于体素的方法需要首先将目标模型所在空间划分为均匀的格子，然后通过3D卷积操作进行特征提取。基于点云的方法则首先通过在模型表面采样的方式获得点云数据，进而使用Pointnet等方法对其提取特征。而在基于多视角2D投影的方法中，则首先获取模型在不同角度的2D平面上的投影图像，然后使用卷积神经网络分别对这些2D图像提取特征并融合后给出最终特征。

然而，基于体素的方法限于硬件计算能力只能使用粗粒度的体素划分方式，因此会损失掉很多细节信息。基于点云的方法由于受到采样方式限制，也会丢失很多关键点导致后续分类性能降低。而基于多视角2D投影的方法虽然可以取得当前最好的性能，但由于针对每一个目标模型都需要对多张投影2D图片进行特征提取及融合等操作，需要使用很多算力资源。

发明内容

基于此，有必要针对上述技术问题，提供一种能够减少算力资源占用且提高准确性的三维对象特征获取方法、装置、计算机设备和存储介质。

一种三维对象特征获取方法，所述方法包括：

获取待分类的三维对象的目标网格信息；

提取所述目标网格信息中的每个顶点的所有邻接顶点和最近邻顶点；

以每个所述顶点为卷积中心，以对应所述顶点的所有邻接顶点和最近邻顶点为被卷积对象进行卷积操作，得到每个所述顶点对应的更新特征和重要性得分；

根据所述重要性得分对所述顶点进行删除处理；

获取删除处理后剩下的顶点以及剩下的所述顶点对应的更新特征对所述目标网格信息进行更新。

在其中一个实施例中，所述提取所述目标网格信息中的每个顶点的所有邻接顶点和最近邻顶点，包括：

提取所述目标网格信息中的每个顶点的所有邻接顶点；

根据K近邻算法提取所述目标网格信息中的每个顶点的对应的最近邻顶点。

在其中一个实施例中，所述根据K近邻算法提取所述目标网格信息中的每个顶点的对应的最近邻顶点，包括：

获取根据不同卷积感受野所设定的K值；

根据所述K值，并通过K近邻算法提取所述目标网格信息中的每个顶点的对应的最近邻顶点。

在其中一个实施例中，所述卷积操作对应的卷积核参数的计算方式包括：

计算每个所述卷积中心与对应的所述被卷积对象之间的空间坐标差值；

将所述空间坐标差值输入至多层感知器网络计算得到卷积核参数。

在其中一个实施例中，所述根据所述重要性得分对所述顶点进行删除处理，包括：

获取预先设置的下采样操作参数；