【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...
【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...
【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。