Analýza polygonálních modelů pomocí neuronových sítí

Loading...
Thumbnail Image
Date
ORCID
Mark
A
Journal Title
Journal ISSN
Volume Title
Publisher
Vysoké učení technické v Brně. Fakulta informačních technologií
Abstract
Práca sa zaoberá odhadom rotácie na 3D modeloch čeľuste. Popisuje metódy na priame spracovanie 3D modelov aj spracovanie modelu pomocou rasterizácie a porovnáva tieto metódy. Na vyhodnotenie sietí bola zavedená metrika, ktorá počíta počet prípadov, v ktorých sieť urobila v odhade rotácie chybu menšiu ako 30° od skutočnej rotácie. Navrhnutá metóda, ktorá pracovala s rasterizáciou, spracovávala rontgenové snímky z troch pohľadov pomocou konvolučných sietí. Dosiahla úspešnosť 99% vo vyššie uvedenej metrike. Metóda priameho spracovania polygoniálneho modelu ako sekvencie využíva attention mechanizmus a je inšpirovaná transformer architektúrou. Pre túto metódu bola navrhnutá aj špeciálna operácia poolingu, ktorá umožnila znížiť hlavne pamäťovú náročnosť siete. Dosiahla horšie výsledky 88%, ale nevyžadovala rasterizáciu a priamo spracovávala polygoniálny model. Okrem toho, dosiahla lepšie výsledky ako metóda s rasterizáciou, kde model nebol zobrazený ako rontge, ale len ako render. Posledná metóda spracováva model v grafovej reprezentácii. Grafová sieť mala veľký problém s pretrénovaním, preto nedosiahla dobré výsledky a nepovažujem ju za dobrú metódu priameho spracovania polygoniálneho modelu.
This thesis deals with rotation estimation of 3D model of human jaw. It describes and compares methods for direct analysis od 3D models as well as method to analyze model using rasterization. To evaluate perfomance of proposed method, a metric that computes number of cases when prediction was less than 30° from ground truth is used. Proposed method that uses rasterization, takes  three x-ray views of model as an input and processes it with convolutional network. It achieves best preformance, 99% with described metric. Method to directly analyze polygonal model as a sequence uses attention mechanism to do so and was inspired by transformer architecture. A special pooling function was proposed for this network that decreases memory requirements of the network. This method achieves 88%, but does not use rasterization and can process polygonal model directly. It is not as good as rasterization method with x-ray display, byt it is better than rasterization method with model not rendered as x-ray.  The last method uses graph representation of mesh. Graph network had problems with overfitting, that is why it did not get good results and I think this method is not very suitable for analyzing plygonal model.
Description
Citation
DRONZEKOVÁ, M. Analýza polygonálních modelů pomocí neuronových sítí [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2020.
Document type
Document version
Date of access to the full text
Language of document
sk
Study field
Inteligentní systémy
Comittee
prof. Ing. Adam Herout, Ph.D. (předseda) doc. Ing. Lukáš Burget, Ph.D. (místopředseda) Ing. Vítězslav Beran, Ph.D. (člen) Ing. Michal Hradiš, Ph.D. (člen) Ing. Zbyněk Křivka, Ph.D. (člen) Ing. Filip Orság, Ph.D. (člen)
Date of acceptance
2020-07-17
Defence
Studentka nejprve prezentovala výsledky, kterých dosáhla v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Studentka následně odpověděla na otázky oponenta a na další otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studentky na položené otázky rozhodla práci hodnotit stupněm A. Otázky u obhajoby: V práci jste uvedla, že používáte metriku vyhodnocující, zda odchylka úhlu je menší než 30° (odstavec 4.1.2). To se mi zdá "hodně hrubé". Dá se dosáhnout lepší rozlišovací schopnosti/přesnosti výstupů? Na základě Vašich zkušeností s prací, pokládáte aplikaci sítí na polygonální modely za dobrou alternativu aplikaci na 3D rastr? V čem jsou hlavní výhody a nevýhody, které jste vyzkoumala? Jakým způsobem byl použity attention model ve Vašem řešení?
Result of defence
práce byla úspěšně obhájena
Document licence
Standardní licenční smlouva - přístup k plnému textu bez omezení
DOI
Collections
Citace PRO