申请/专利权人：西安电子科技大学

申请日：2024-01-12

公开（公告）日：2024-04-12

公开（公告）号：CN117876685A

主分类号：G06V10/26

分类号：G06V10/26;G06V10/44;G06V10/774;G06V10/764;G06V10/74;G06V10/82;G06N3/0895

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.30#实质审查的生效;2024.04.12#公开

摘要：本发明公开了一种联合噪声挖掘与矫正策略的弱监督点云语义分割方法。本发明基于实例相关噪声类型的噪声标签构建训练数据集；通过自监督对比学习网络，提高模型对点云数据的表征学习能力；基于神经网络的记忆效应，针对实例相关噪声类型的噪声标签，重新定义遗忘事件，对点云标签的噪声进行挖掘，将含有噪声标签的点云数据进行噪声标签以及干净标签的区分；根据计算得到的描述噪声标签筛选阶段结果的二进制矩阵，生成多语义类别平衡的原型特征队列，对噪声标签进行可信矫正。本发明以成本低廉的噪声标签的弱监督学习机制即实现了与强监督模型效果相当的点云语义分割。

主权项：1.一种联合噪声挖掘与矫正策略的弱监督点云语义分割方法，用于将点云数据转化为点云标签；其特征在于，方法包括：构建训练数据集，所述训练数据集包括点云数据，以及点云数据中每个点携带的原始噪声标签；利用PointNet++网络提取所述点云数据中各点的特征对自监督对比学习网络进行训练；基于PointNet++网络对所述点云数据中各点的语义类别预测的可信度和一致性的统计和设定的阈值，将所述点云数据中的各点二分类为第一类标签和第二类标签；利用所述第一类标签的特征，对PointNet++网络分类的每一个语义类别生成原型特征队列；基于所述原型特征队列，使用K-近邻的特征相似度矫正机制对所述第二类标签进行矫正。

全文数据：

权利要求：

百度查询： 西安电子科技大学 一种联合噪声挖掘与矫正策略的弱监督点云语义分割方法

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