【技术实现步骤摘要】
本专利技术涉及计算机，尤其涉及一种基于差异增强的小样本点云语义分割方法、终端及计算机可读存储介质。
技术介绍
1、小样本学习依赖于少量数据及其掩膜，但应对多个前景类时，这些数据的掩膜只能表示该数据是否属于某一特定类别，无法表示数据是否属于其他前景类别或背景。在这种情况下，一些类的前景视为背景，即出现背景歧义，使得现有方案包括原型网络等很难区分背景和前景，不可避免地导致严重的原型偏差和不正确的分割结果。虽然背景模糊性对模型有显著影响，但这一问题还没有得到足够的重视。
2、小样本点云语义分割方法是指在给定少量标注新类别样本的条件下，模型能够将点云进行语义分割，得到属于新类的点云。为了提取有效的点云特征，研究人员致力于得到更能表征类别信息的特征。例如，将类特征的平均值作为原型，通过点特征与原型的距离来对点云进行分割，然而，这种方式没有考虑到点云本身结构的复杂性，分割精度不够令人满意。例如，通过利用多原型来描述复杂的点云分布，但其推理时间较长。
3、现有技术忽略了当前数据层面存在的背景歧义。小样本学习的目标是预测给定一些带注释的支持数据的查询数据的标签，这通常包括数据和按类分组的相应标签。然而，一个类的前景可能会被其他类错误地视为背景，这称为背景歧义。
4、因此，现有技术还有待于改进和发展。
技术实现思路
1、本专利技术的主要目的在于提供一种基于差异增强的小样本点云语义分割方法、终端及计算机可读存储介质，旨在解决现有技术中小样本点云语义分割方法容易出现背
2、为实现上述目的，本专利技术提供一种基于差异增强的小样本点云语义分割方法，所述基于差异增强的小样本点云语义分割方法包括如下步骤：
3、获取查询集数据和支持集数据，根据所述查询集数据和支持集数据进行特征对齐处理得到查询集特征和支持集特征；
4、根据所述支持集特征和对应的支持集掩膜得到各类的初始原型，所述初始原型包含多个类别的原型；
5、计算所述初始原型和所述查询集特征的相似度，得到所述查询集特征属于前景背景各类别的概率分布；
6、根据前景背景差异增强对前景分布取反，与当前背景分布结合以得到准确的背景概率分布，并整合得到整个类别的可靠概率分布；
7、将所述查询集特征经过特征聚合模块进行转变处理，得到聚合后的查询集特征；
8、根据所述可靠概率分布和聚合后的查询集特征经过原型校正模块的聚合处理，得到伪原型；
9、经过所述原型校正模块根据所述伪原型对所述支持集数据进行扩充，得到校正后的原型，根据校正后的原型得到点云的分割结果。
10、可选地，所述的基于差异增强的小样本点云语义分割方法，其中，所述根据所述查询集数据和支持集数据进行特征对齐处理得到查询集特征和支持集特征，具体包括：
11、计算查询集数据和支持集数据中两两特征之间的距离；
12、将距离取反，并进行归一化处理以得到对应的权重；
13、根据所述查询集数据得到查询集特征，利用得到的权重与查询集特征相乘得到对齐的支持集特征。
14、可选地，所述的基于差异增强的小样本点云语义分割方法，其中，所述根据所述支持集特征和对应的支持集掩膜得到各类的初始原型，具体包括：
15、利用对齐的支持集特征fs和对应的支持集掩膜m得到各类的初始原型p：
16、
17、其中，所述初始原型p包含多个类别的原型。
18、可选地，所述的基于差异增强的小样本点云语义分割方法，其中，所述计算所述初始原型和所述查询集特征的相似度，得到所述查询集特征属于前景背景各类别的概率分布，具体包括：
19、计算初始原型p与查询集特征fq的相似度，得到查询集特征属于特定类别的概率分布；
20、对于第i类的原型pi，查询集特征属于类i概率定义为：
21、
22、其中，表示原型与查询集特征之间的距离；channel表示特征通道数。
23、可选地，所述的基于差异增强的小样本点云语义分割方法，其中，所述根据前景背景差异增强对前景分布取反，与当前背景分布结合以得到准确的背景概率分布，并整合得到整个类别的可靠概率分布，具体包括：
24、基于前景背景差异增强得到查询集特征属于前景背景各类别的概率分布，基于前景背景差异增强对前景分布取反，并与当前背景分布结合以得到准确的背景概率分布
25、
26、其中，prob0是背景概率分布，前景概率分布probi是第i类前景概率分布，c是前景类别的个数；
27、综合可靠的背景概率分布和前景概率分布，得到整个类别的可靠概率分布：
28、
29、可选地，所述的基于差异增强的小样本点云语义分割方法，其中，所述将所述查询集特征经过特征聚合模块进行转变处理，得到聚合后的查询集特征，具体包括：
30、基于几何引导下的特征聚合模块利用几何信息选取每个几何点的k近邻范围内的点，针对x内的一点xi，在k-nn范围内的点表示为：
31、
32、其中，q是与xi距离第k近的点；
33、经过特征提取器得到的特征存在与几何点一一对应的关系，每个几何点的序号与对应特征的序号相同，依据几何点和特征的一一对应关系，从特征中得到近邻点对应的特征
34、基于几何引导下的特征聚合模块依据k-nn内点与初始点之间的距离，得到各点相对于初始点的权重：
35、
36、其中，表示两点之间的距离；
37、依据权重，几何引导下的特征聚合模块聚合局部特征，并增加点特征信息保留点本身的信息，得到聚合后的特征，对于某一点特征fi，聚合后的对应特征定义为：
38、
39、其中，w表示一个可学习的参数；
40、经过几何引导下的特征聚合模块将查询集特征fq转变为聚合后的查询集特征
41、可选地，所述的基于差异增强的小样本点云语义分割方法，其中，所述根据所述可靠概率分布和聚合后的查询集特征经过原型校正模块的聚合处理，得到伪原型，具体包括：
42、基于原型校正模块依据可靠的全部类别的概率分布probreli，从几何聚合后的查询集特征中选取各类概率分布中概率最高的n个特征ftop，对于类别i，选取的特征定义为：
43、
44、其中，probi,j是指第i类中的第j个概率，m是第i类中第n个最大的概率，基于特征与概率存在一一对应关系，每个特征的序号与对应概率的序号相同，依据序号得到特征ftop对应的概率probtop；
45、基于原型校正模块聚合多个特征和对应的概率得到伪原型：
46、
47、可选地，所述的基于差异增强的小样本点云语义分割方法，其中，所述经过所述原型校正模块根据所述伪原型对所述支持集数据进行扩本文档来自技高网...
【技术保护点】
1.一种基于差异增强的小样本点云语义分割方法，其特征在于，所述基于差异增强的小样本点云语义分割方法包括：
2.根据权利要求1所述的基于差异增强的小样本点云语义分割方法，其特征在于，所述根据所述查询集数据和支持集数据进行特征对齐处理得到查询集特征和支持集特征，具体包括：
3.根据权利要求2所述的基于差异增强的小样本点云语义分割方法，其特征在于，所述根据所述支持集特征和对应的支持集掩膜得到各类的初始原型，具体包括：
4.根据权利要求3所述的基于差异增强的小样本点云语义分割方法，其特征在于，所述计算所述初始原型和所述查询集特征的相似度，得到所述查询集特征属于前景背景各类别的概率分布，具体包括：
5.根据权利要求4所述的基于差异增强的小样本点云语义分割方法，其特征在于，所述根据前景背景差异增强对前景分布取反，与当前背景分布结合以得到准确的背景概率分布，并整合得到整个类别的可靠概率分布，具体包括：
6.根据权利要求5所述的基于差异增强的小样本点云语义分割方法，其特征在于，所述将所述查询集特征经过特征聚合模块进行转变处理，得到聚合后
7.根据权利要求6所述的基于差异增强的小样本点云语义分割方法，其特征在于，所述根据所述可靠概率分布和聚合后的查询集特征经过原型校正模块的聚合处理，得到伪原型，具体包括：
8.根据权利要求7所述的基于差异增强的小样本点云语义分割方法，其特征在于，所述经过所述原型校正模块根据所述伪原型对所述支持集数据进行扩充，得到校正后的原型，根据校正后的原型得到点云的分割结果，具体包括：
9.一种终端，其特征在于，所述终端包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于差异增强的小样本点云语义分割程序，所述基于差异增强的小样本点云语义分割程序被所述处理器执行时实现如权利要求1-8任一项所述的基于差异增强的小样本点云语义分割方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有基于差异增强的小样本点云语义分割程序，所述基于差异增强的小样本点云语义分割程序被处理器执行时实现如权利要求1-8任一项所述的基于差异增强的小样本点云语义分割方法的步骤。
...【技术特征摘要】
1.一种基于差异增强的小样本点云语义分割方法，其特征在于，所述基于差异增强的小样本点云语义分割方法包括：
2.根据权利要求1所述的基于差异增强的小样本点云语义分割方法，其特征在于，所述根据所述查询集数据和支持集数据进行特征对齐处理得到查询集特征和支持集特征，具体包括：
3.根据权利要求2所述的基于差异增强的小样本点云语义分割方法，其特征在于，所述根据所述支持集特征和对应的支持集掩膜得到各类的初始原型，具体包括：
4.根据权利要求3所述的基于差异增强的小样本点云语义分割方法，其特征在于，所述计算所述初始原型和所述查询集特征的相似度，得到所述查询集特征属于前景背景各类别的概率分布，具体包括：
5.根据权利要求4所述的基于差异增强的小样本点云语义分割方法，其特征在于，所述根据前景背景差异增强对前景分布取反，与当前背景分布结合以得到准确的背景概率分布，并整合得到整个类别的可靠概率分布，具体包括：
6.根据权利要求5所述的基于差异增强的小样本点云语义分割方法，其特征在于，所述将所述查询集特征经过特征聚合模块进行转...
【专利技术属性】
技术研发人员：程俊，王体超，郝富生，张锲石，吴福祥，
申请(专利权)人：中国科学院深圳先进技术研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。