Klasifikace 3D tvarů pomocí grafových neuronových sítí

Abstract

Tato práce se zabývá využitím grafových neuronových sítí pro klasifikaci 3D tvarů, což je klíčový úkol v řadě oblastí, jako je kontrola kvality ve výrobě, porozumění 3D scénám v robotice a analýza lékařských obrazových dat. Hlavním přínosem této práce je nová grafová neuronová síť s názvem DGCNNwSub, která vychází z populární Dynamic Graph CNN (DGCNN) a je navržena pro klasifikaci 3D tvarů reprezentovaných mračny bodů. DGCNNwSub rozšiřuje původní architekturu o hierarchický mechanismus poolingu a prostorovou transformační síť pro zarovnání vstupů. Natrénovaný model byl otestován na datové sadě ModelNet40, kde dosáhl přesnosti 91,8% a průměrné přesnosti tříd 88,3%, což je srovnatelné s předními současnými přístupy. V práci jsou dále představeny experimenty zkoumající robustnost modelu vůči neuniformnímu rozmístění vstupních bodů a nezarovnané orientaci vstupních tvarů. Navíc byly pro zvýšení transparentnosti modelu použity metody, které vysvětlují jeho rozhodovací proces pomocí identifikace rysů vstupního tvaru, jež nejvíce ovlivnily predikci modelu.

This work explores the application of graph neural networks to 3D shape classification, a key task in areas such as manufacturing quality control, scene understanding in robotics, and medical image analysis. The core contribution of this work is DGCNNwSub, a novel graph neural network based on the popular Dynamic Graph CNN (DGCNN), designed to classify 3D shapes represented as point clouds. DGCNNwSub extends the original architecture with a hierarchical pooling mechanism and a spatial transformer network for input alignment. The model was evaluated on the ModelNet40 dataset, achieving 91.8% overall accuracy and 88.3% mean class accuracy—results competitive with state-of-the-art methods. This work also presents experiments examining the model's robustness to non-uniform point distribution and misaligned input shape orientations. Additionally, to improve the model's transparency, input attribution methods were used to explain its decision-making process by identifying the most influential features of the input shape for the model's prediction.