تُصبح نماذج الأشكال ثلاثية الأبعاد متاحة على نطاق واسع وأسهل للتقاط، مما يجعل توفر المعلومات ثلاثية الأبعاد ضروريًا للتقدُّم في تصنيف الأجسام. تعتمد الأساليب الرائدة حاليًا على شبكات النيورونات التلافيفية (CNNs) لمعالجة هذه المشكلة. مؤخرًا، شهدنا تطوير نوعين من شبكات النيورونات التلافيفية: شبكات النيورونات التلافيفية المستندة إلى التمثيل الحجمي مقابل شبكات النيورونات التلافيفية المستندة إلى التمثيل متعدد الآراء. تظهر النتائج التجريبية لهذه النوعين من شبكات النيورونات التلافيفية فارقًا كبيرًا، مما يشير إلى أن الهياكل والأساليب الحالية لشبكات النيورونات التلافيفية الحجمية غير قادرة على استغلال قوة التمثيل الثلاثي الأبعاد بشكل كامل. في هذا البحث، نهدف إلى تحسين كلٍ من شبكات النيورونات التلافيفية الحجمية وشبكات النيورونات التلافيفية متعددة الآراء بناءً على تحليل شامل للأساليب الموجودة. لهذا الغرض، نقدم هيكلي شبكة متميزين لشبكات النيورونات التلافيفية الحجمية. بالإضافة إلى ذلك، نقوم بفحص شبكات النيورонات التلافيفية متعددة الآراء، حيث نقدم الفلترة متعددة الدقة في البُعد الثالث (3D). بشكل عام، نتمكن من تجاوز الأساليب الرائدة حاليًا لكلٍ من شبكات النيورونات التلافيفية الحجمية وشبكات النيورونات التلافيفية متعددة الآراء. نقدم تجارب مكثفة مصممة لتقييم الخيارات الأساسية في تصميم النظام، مما يوفر فهمًا أفضل للمجال المتاح للأساليب المُستخدمة في تصنيف الأجسام باستخدام البيانات ثلاثية الأبعاد.