一种基于MPRM改进的弱监督点云语义分割方法及其模型技术

本发明专利技术公开了一种基于MPRM改进的弱监督点云语义分割方法，涉及点云语义分割技术领域，包括如下步骤：输入点云，通过多种注意机制从网络中挖掘最具辨别力的区域，将各注意机制产生不同的判别区域聚合生成点级伪标签；在生产伪标签后对伪标签进行选择，通过引入伪标签筛选模块，选择置信度高的伪标签；对点云进行空间变化，通过引入点级标签增强模块在不同视角下的表现来增强点级伪标签；通过一致性检测后，使用选定的伪标签来训练语义分割网络。本发明专利技术还提供了一种基于MPRM改进的弱监督点云语义分割模型。本发明专利技术可降低标签中的噪声，提升模型的性能，从而提升弱监督分类分割任务中模型的鲁棒性与泛化性。

【技术实现步骤摘要】

本专利技术属于点云语义分割，具体涉及一种基于mprm改进的弱监督点云语义分割方法及其模型。

技术介绍

1、点云作为一种重要的3d数据表示手段，备受研究者关注，原因在于其能够以直接且完整的方式留存物体或场景的原始几何信息。尽管点云数据以简洁直观的形式存在，易于获取和初步处理，然而其内在的无序性与非结构化特质为点云的有效利用制造了难题。具体而言，体现在如何设计适应点云特性的卷积神经网络模型，以及如何有效地从点云中提炼出深层次的几何特征等方面。

2、针对点云数据包括语义分类与分割技术等，其中，点云分割技术则聚焦于将属于同一实体对象或场景组成部分的点云数据聚类整合，构建层次化的点云结构，为后续的物体精确辨识、高精度三维重建等高层次应用提供坚实的底层支撑。

3、现有云分类分割的监督方式包括：全监督点云分类分割、半监督点云分类分割和弱监督点云分类分割。其中，全监督点云语义分割方法因其详尽的标注信息而能够提供高精度的分割结果。在训练过程中，每个点的语义类别均得到精细标注，使得模型能够充分学习并理解点云数据的内在结构和特征。然而，全监督点云语义分割本文档来自技高网...

【技术保护点】

1.一种基于MPRM改进的弱监督点云语义分割方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的一种基于MPRM改进的弱监督点云语义分割方法，其特征在于，在步骤1)中，多种注意机制生产点云弱标签包括如下步骤：

3.根据权利要求2所述的一种基于MPRM改进的弱监督点云语义分割方法，其特征在于，所述多种注意机制包括普通PCAM机制、空间注意力PCAM机制、通道注意力PCAM机制和逐点空间注意力PCAM机制。

4.根据权利要求3所述的一种基于MPRM改进的弱监督点云语义分割方法，其特征在于，所述空间注意力PCAM机制包括如下步骤：</p>

5.根据...

【技术特征摘要】

1.一种基于mprm改进的弱监督点云语义分割方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的一种基于mprm改进的弱监督点云语义分割方法，其特征在于，在步骤1)中，多种注意机制生产点云弱标签包括如下步骤：

3.根据权利要求2所述的一种基于mprm改进的弱监督点云语义分割方法，其特征在于，所述多种注意机制包括普通pcam机制、空间注意力pcam机制、通道注意力pcam机制和逐点空间注意力pcam机制。

4.根据权利要求3所述的一种基于mprm改进的弱监督点云语义分割方法，其特征在于，所述空间注意力pcam机制包括如下步骤：

5.根据权利要求4所述的一种基于mprm改进的弱监督点云语义分割方法，其特征在于，在求和过程中使用尺度参数α对聚合特征f进行加权，其中α是初始化为0的可学习参数；

6.根据权利要求2所述的一种基于mprm改进的弱监督点云语义分割方法，其特征在于，所述通道注意力pcam机制用于卷积变换生成具有不同权重的特征通道，所述通道注意力...

【专利技术属性】
技术研发人员：王志杰，田梦凯，张驰，
申请(专利权)人：南京林业大学，
类型：发明
国别省市：