处理卷积神经网络与不完整的数据

时间:2017-12-02 13:49:46

标签: algorithm machine-learning neural-network conv-neural-network

我正在使用一组拓扑统一的人脸三角网格(.obj文件)在CNN上工作(它们都以相同的顺序具有相同数量的顶点)。我首先将网格映射到2D网格上,同时试图保持3D网格中彼此接近的顶点在2D网格上也彼此接近。那么我的CNN输入就是具有顶点3D坐标的2D图像。问题是,运行我的算法,在我的数据上的2D网格上映射3D网格后,顶点显然不均匀地分布在网格上,一些网格单元格是空的。

例如,对于具有八个顶点的网格,其中三角形的定义如下:

f 5 6 1  
f 4 1 3  
f 1 2 3  
f 1 4 5  
f 1 2 6  
f 5 6 7  
f 5 2 8  

这是我的算法生成的2D映射(其中数字是顶点索引,零表示空单元格):

0       7       0   
8       2       6   
3       5       1   
0       4       0

这里我在角落里有4个零,但是对于较大的网格,空单元格往往都位于有效顶点和它们周围的角落之间。

我的问题是,处理空单元的最佳方法是什么?我有一些想法,但我不确定这是否是正确的方法:

  • 如果零被顶点包围,我可能用周围顶点坐标的计算平均值替换零(这在角落中不起作用)
  • 用顶点副本替换零

如果在数据丢失时放置(0,0,0)顶点会发生什么?

0 个答案:

没有答案