基于正则化损失的MeshNet半监督分类

深度学习在网格分类中的应用越来越受到人们的关注，在网格分类任务中，通常使用交叉熵损失作为损失函数。文章提出一种利用数据的结构相似性和几何一致性的正则化损失，将其加入损失函数中进行优化，可有效提高网格的分类准确率。从实验结果的量化指标来看，提出的正则化损失对于网格半监督分类任务的准确率有很好的提升效果。