A Learning Approach to 3D Object Representation for Classification
A Learning Approach to 3D Object Representation for Classification
复制标题
用于分类的 3D 对象表示学习方法
DOI：
--
复制
发表时间：
2008
期刊：
影响因子：
--
通讯作者：
L. Shapiro
中科院分区：
文献类型：
--
作者：
I. Atmosukarto;L. Shapiro
在本文中，我们描述了我们的3D对象签名的3D对象分类。该签名基于一种学习方法，该方法在3D对象上找到显著点，并基于纬向变换在2D空间地图中表示这些点。实验结果表明，姿态归一化和旋转对象的分类率高，并包括作为训练集的旋转数的函数的分类精度的研究。
In this paper we describe our 3D object signature for 3D object classification. The signature is based on a learning approach that finds salient points on a 3D object and represent these points in a 2D spatial map based on a longitude-latitude transformation. Experimental results show high classification rates on both pose-normalized and rotated objects and include a study on classification accuracy as a function of number of rotations in the training set.