面向文物复原的碎片三维模型分类方法研究

Digital archaeological technology is an effective methods of relic restoration. The classification of cultural relic fragments is one of the most important task. However, there are some problems such as large-scale data , partially missing , noise and the lack of prior knowledge, that is making the traditional machine learning classifier don’t have high performance in the application of 3d cultural relic classification. The paper purpose an approach to explore effective methods and techniques for the classification of 3D large-scaled cultural relic fragments. We propose a model combine of the three-dimensional and the two-dimensional features for 3d cultural relic fragments. We propose a framework for classification algorithm based on semi-supervised learning to solve the problem of zero-shot and one-shot learning by introducing transfer learning. The proposed approach not only have great application value for the 3d cultural relic fragments classification , but also useful to solving the classification of 3D models, which have complex attributes

数字考古技术是破损文物修复的有效技术手段，文物碎片分类是其中最为关键的环节。但目前面临碎片模型数量庞大、模型局部缺失、噪声较大、先验知识不足等问题，这些实际问题使得传统分类理论在文物碎片分类应用上难以取得较好效果。项目旨在探索有效针对大规模文物碎片三维模型分类的方法和技术。解决具有复杂属性的碎片数据的表征问题，尝试将三维特征和二维特征相结合，构建数据的多维度特征表示模型。尝试引入迁移学习思想构建分类算法，解决零样本和小样本学习(Zero/ One-Shot learning)的挑战。研究结果不仅对文物碎片模型分类具有较大应用价值，而且为解决大规模复杂属性的三维模型数据分类问题提供有益的探索和技术支持。

文物是人类文明的宝贵财富，利用先进的科学技术与文物保护理念对文物进行全面的数字化采集、加工、存储的数字化考古已成为发展趋势。本项目在数字化考古背景下，围绕文物数字化表示、文物场景监测、文物分类任务展开研究。根据文物碎片数据局部缺失、数据噪声大、蕴含大量纹理信息等特点，设计多视觉特征描述符，构建三维特征、二维特征和考古知识共同表征的文物模型数据库。在提取多维特征的基础上，设计实现文物三维模型快速重建方法。为满足文化遗产保护中的数字监控任务，研究基于无线信号的室内人数检测方法，开发基于文化遗产保护场景中的CSI人数检测系统。针对深度学习中的分类模型复杂度高的问题，研究基于知识蒸馏技术的模型压缩算法，以对复杂的深度神经网络进行模型压缩。