一种用于3D点云数据集的版权验证方法和装置制造方法及图纸

本发明专利技术公开了一种用于3D点云数据集的版权验证方法和装置，对目标类别t的样本集基于预训练模型做扰动处理，得到植入水印后的样本集；数据集版权拥有者靠近目标类别t的样本集中每一个样本分别被嵌入预先设置好的触发器，得到植入水印后的样本集；随后数据集版权拥有者将植入水印后的样本集开源或授权给第三方；数据集版权拥有者获取第三方训练出的点云深度学习模型的API或是接口，通过第三方训练出的点云深度学习模型分别在无触发器和有触发器的目标类别样本上的分类结果或是预测概率向量，判断该第三方模型是否被训练在植入水印后的样本集上。本发明专利技术可以通过点云模型的表现来验证数据集的使用，维护点云数据集版权拥有者的正当权利。

【技术实现步骤摘要】

本专利技术属于信息处理，尤其涉及一种用于3d点云数据集的版权验证方法和装置。

技术介绍

1、深度学习近年来受到广泛关注和热烈讨论，归功于其在众多领域显示出的强大能力，极大地改变了人们的生活方式，也创造了巨大的价值。深度学习的巨大成果有很大一部分来源于优质的数据集的存在。深度学习模型需要在已有的数据集上做训练，让模型学习数据集中数据的潜在分布。于是，一个数据集的质量好坏很大程度上影响了模型最后的结果。然而，数据集的创建并不是一件轻而易举的事。从数据的收集、清洗、整理，到最后的发布，这整个过程都需要大量的人力、物力和时间。这些数据集的创建者和维护者，无疑应该得到他们应有的回报。因此，数据集的版权保护成为了一件具有非常意义的研究课题。

2、现有的数据集版权保护方法都是争对2d图像数据集，而在3d点云数据集上的版权保护还未有相关研究。考虑到3d点云数据与2d图像数据在数据结构上的巨大差异，点云数据具有不规则与无序性的特点，而2d图像却是规则，有序的，因此在两类数据上的处理方式有很大的不同。除此之外，由于内在数据结构的不同，基于点云的深度学习模型与基于图本文档来自技高网...

【技术保护点】

1.一种用于3D点云数据集的版权验证方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种用于3D点云数据集的版权验证方法，其特征在于，所述步骤(1)具体包括以下子步骤：

3.根据权利要求2所述的一种用于3D点云数据集的版权验证方法，其特征在于，所述步骤(1.3)具体为：

4.根据权利要求2所述的一种用于3D点云数据集的版权验证方法，其特征在于，所述步骤(1.3)具体为：

5.根据权利要求2所述的一种用于3D点云数据集的版权验证方法，其特征在于，所述步骤(1.3)具体为：

6.根据权利要求1所述的一种用于3D点云数据集的...

【技术特征摘要】

1.一种用于3d点云数据集的版权验证方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种用于3d点云数据集的版权验证方法，其特征在于，所述步骤(1)具体包括以下子步骤：

3.根据权利要求2所述的一种用于3d点云数据集的版权验证方法，其特征在于，所述步骤(1.3)具体为：

4.根据权利要求2所述的一种用于3d点云数据集的版权验证方法，其特征在于，所述步骤(1.3)具体为：

5.根据权利要求2所述的一种用于3d点云数据集的版权验证方法，其特征在于，所述步骤(1.3)具体为：

6.根据权利要求1所述的一种用于3d点云数据集的版权验证方法，其特征在于，所述步骤(3)具体包括以下子步骤：

7.根据权利要求6所述的一种用于3d点云数据集的版权验证方法，其特征在于，步骤(3.4)中，当|pb-pv|大于阈值时，则说明该第三方训练出的点云深度学习模型...

【专利技术属性】
技术研发人员：魏城，秦湛，李一鸣，任奎，
申请(专利权)人：浙江大学，
类型：发明
国别省市：