基于改进卷积神经网络的单幅图像物体重建方法.PDFVIP

第３６卷第６期　　　 计算机应用与软件 Ｖｏｌ３６Ｎｏ．６ ２０１９年６月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ｊｕｎ．２０１９ 基于改进卷积神经网络的单幅图像物体重建方法  张玉麒　陈　加 　叶立志　田　元　夏　丹　陈亚松 （华中师范大学教育信息技术学院　湖北武汉４３００７９） 摘　要　　为了提高基于图像的三维重建的重建效果，基于深度学习的方法已经成为近年来研究的重点。针对 目前存在的方法中特征提取效果差、重建细节缺失且计算量巨大的问题，提出一种改进卷积神经网络的单个物体 重建方法。通过加入改进的Ｉｎｃｅｐｔｉｏｎｒｅｓｎｅｔ模块来提升网络的特征提取能力，采用多种网络结构提取多特征，通 过多特征依次输入３ＤＬＳＴＭ模块中以增强单幅图像的重建效果。实验结果表明，该方法不仅能够得到更好的重 建效果，重建出更多的细节，同时在训练中花费更少的时间。 关键词　　卷积神经网络　三维重建　单幅图像　计算机视觉 中图分类号　ＴＰ３　　　　文献标识码　Ａ　　　　ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００３８６ｘ．２０１９．０６．０３６ ＳＩＮＧＬＥＩＭＡＧＥＯＢＪＥＣＴＲＥＣＯＮＳＴＲＵＣＴＩＯＮＭＥＴＨＯＤ ＢＡＳＥＤＯＮＩＭＰＲＯＶＥＤＣＯＮＶＯＬＵＴＩＯＮＡＬＮＥＵＲＡＬＮＥＴＷＯＲＫ  ＺｈａｎｇＹｕｑｉ　ＣｈｅｎＪｉａ　ＹｅＬｉｚｈｉ　ＴｉａｎＹｕａｎ　ＸｉａＤａｎ　ＣｈｅｎＹａｓｏｎｇ （ＣｏｌｌｅｇｅｏｆＥｄｕｃａｔｉｏｎａｌＩｎｆｏｒｍａｔｉｏｎＴｅｃｈｎｏｌｏｇｙ，ＣｅｎｔｒａｌＣｈｉｎａＮｏｒｍａｌＵｎｉｖｅｒｓｉｔｙ，Ｗｕｈａｎ４３００７９，Ｈｕｂｅｉ，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　Ｔｏｉｍｐｒｏｖｅｔｈｅｐｅｒｆｏｒｍａｎｃｅｏｆ３Ｄｒｅｃｏｎｓｔｒｕｃｔｉｏｎ，ｍｅｔｈｏｄｓｂａｓｅｄｏｎｄｅｅｐｌｅａｒｎｉｎｇｈａｖｅｂｅｅｎｔｈｅｍａｉｎ ｔｏｐｉｃｏｆｔｈｅｒｅｓｅａｒｃｈ．Ａｉｍｉｎｇａｔｔｈｅｐｒｏｂｌｅｍｓｏｆｐｏｏｒｆｅａｔｕｒｅｅｘｔｒａｃｔｉｏｎｅｆｆｅｃｔ，ｌａｃｋｏｆｒｅｃｏｎｓｔｒｕｃｔｉｏｎｄｅｔａｉｌｓａｎｄｈｕｇｅ ｃｏｍｐｕｔａｔｉｏｎａｌｌｏａｄ，ｗｅｐｒｏｐｏｓｅｄａ３Ｄｏｂｊｅｃｔｓｒｅｃｏｎｓｔｒｕｃｔｉｏｎｍｅｔｈｏｄｆｒｏｍａｓｉｎｇｌｅｉｍａｇｅｂａｓｅｄｏｎｉｍｐｒｏｖｅｄ ｃｏｎｖｏｌｕｔｉｏｎａｌｎｅｕｒａｌｎｅｔｗｏｒｋ．Ｔｈｅｆｅａｔｕｒｅｅｘｔｒａｃｔｉｏｎｃａｐａｂｉｌｉｔｙｏｆｔｈｅｎｅｔｗｏｒｋｗａｓｉｍｐｒｏｖｅｄｂｙａｄｄｉｎｇｍｏｄｕｌｅｓｔｈａｔ ｃｏｍｂｉｎｅｒｅｓｉｄｕａｌｃｏｎｎｅｃｔｉｏｎｓａｎｄＩｎｃｅｐｔｉｏｎ．Ｗｅｕｓｅｄｍｕｌｔｉｆｅａｔｕｒｅｓｅｘｔｒａｃｔｅｄｂｙｍｕｌｔｉｎｅｔｗｏｒｋｓｔｒｕｃｔｕｒｅ，ａｎｄｉｎｐｕｔｉｔ ｉｎｔｏ３ＤＬＳＴＭｍｏｄｕｌｅｉｎｔｕｒｎｔｏｅｎｈａｎｃｅｔｈｅｒｅｃｏｎｓｔｒｕｃｔｉｏｎｅｆｆｅｃｔｏｆａｓｉｎｇｌｅｉｍａｇｅ．Ｔｈｅｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔ ｏｕｒｍｅｔｈｏｄｃａｎｎｏｔｏｎｌｙｐｅｒｆｏｒｍｂｅｔｔｅｒｉｎｒｅｃｏｎｓｔｒｕｃｔｉｏｎ，ｂｕｔａｌｓｏｓｐｅｎｄｌｅｓｓｔｉｍｅｉｎｔｒａｉｎｉｎｇ． Ｋｅｙｗｏｒｄｓ　　Ｃｏｎｖｏｌｕｔｉｏｎａｌｎｅｕｒａｌｎｅｔｗｏｒｋ　３Ｄｒｅｃｏｎｓｔｒｕｃｔｉｏｎ　Ｓｉｎｇｌｅｉｍａｇｅ　Ｃｏｍｐｕｔｅｒｖｉｓｉｏｎ 建方法展开研究。 ０　引　言 传统方法按照重建方法的不同可以分为基于模型 的重建方法和基于几何外形恢复的重建方法。基于模 从二维图像中获得三维信息并恢复三维模型是计 型重建的方法通过匹配输入图像和模型，找到模型的