成果名称：基于栈式自动编码网络的多特征三维兴趣点检测算法

成果简介：针对任意三维模型上兴趣点的自动检测问题，我们在国际上首次提出多特征自适应综合利用的自动识别新算法，有效克服了传统识别算法的缺点。该算法具有较强的自适应性，能够自动从新的训练样本中不断学习，并适用于新的未知数据样本。在学术界公开数据集上的大量实验结果表明，与传统算法相比，该算法在各项识别性能上都有较大的提升。首先，该算法根据几何特征描述符结合深度神经网络预测给定三维形状所属类别。然后，算法通过训练另一个深度神经网络来预测三维形状表面上任意顶点是否为兴趣点的概率分布。最后，算法结合流形聚类得到兴趣点检测结果。在学术界公开数据集上的大量实验结果表明，所提出方法具有比传统方法更加优异的检测性能。该项成果以舒振宇教授为第一作者，于2019年发表在国际计算机领域权威期刊《IEEE Transactions on Visualization and Computer Graphics》上。

图1 算法整体流程

图2 算法分割结果