申请/专利权人：清华大学

申请日：2021-03-31

公开（公告）日：2021-06-08

公开（公告）号：CN112927244A

主分类号：G06T7/11(20170101)

分类号：G06T7/11(20170101);G06K9/46(20060101);G06K9/62(20060101);G06N3/04(20060101);G06N3/08(20060101)

优先权：

专利状态码：失效-发明专利申请公布后的视为撤回

法律状态：2023.03.17#发明专利申请公布后的视为撤回;2021.06.25#实质审查的生效;2021.06.08#公开

摘要：本申请提出一种弱监督下的三维场景分割方法和装置，涉及计算机视觉与机器学习技术领域，其中，方法包括：通过对每个实例的上标注一个点以给出实例位置和语义类别，利用过分割算法将标注点扩展到过分割块，即块级标签；以每个过分割块为一个节点构建过分割块图，通过对过分割块图中的节点进行多层次组合处理，从而使得标注信息从已被标注的过分割块扩展到所有过分割块，以此对点云场景中所有未标注的点产生伪标签。由此，通过对三维场景内每个实例标注一个点来表示其位置，能够有效的使用较低成本标注较重要的信息，并为点云场景中未标注的点生成伪标签，所生成的伪标签能够直接作为监督信息训练现有的强监督点云场景分割网络。

主权项：1.一种弱监督下的三维场景分割方法，其特征在于，包括以下步骤：对每个实例的上标注一个点以给出实例位置和语义类别，利用过分割算法将标注点扩展到过分割块，获取所述每个实例的块级标签；根据过分割块之间的近邻关系，以每个过分割块为一个节点构建过分割块图，将每个过分割块的标注状况扩展到所述过分割块图中相应的图节点；将所述过分割块图输入组合网络，对所述过分割块图中节点进行多层次组合处理，将所有未被标注的节点被合并到已标注的节点，以使标注信息从已被标注的过分割块扩展到所有过分割块，对三维点云场景中所有未标注的点产生伪标签；在执行上述步骤后的所述过分割块图中节点分别对应于三维场景中不同实例，节点特征对应为实例特征，通过将所述实例特征输入分类器网络获取所标注语义类别的分类分数，计算损失并使用梯度反传训练所述组合网络和所述分类器网络；在所述组合网络和所述分类器网络训练完毕后，对所述组合网络输入三维点云场景和标注的块级标签，将所述组合网络输出的伪标签作为监督信息在训练集上训练现有的强监督点云场景分割网络，训练完毕后在测试集上对该强监督点云场景分割网络进行性能评估。

全文数据：

权利要求：

百度查询： 清华大学 弱监督下的三维场景分割方法和装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD