【技术实现步骤摘要】
本专利技术涉及计算机视觉，尤其涉及一种结合体素和空间坐标进行新类别发现的语义分割方法。
技术介绍
1、在新类别发现领域，近年来取得了显著的进展，最早的解决方案引入了成对相似性预测和可学习的聚类目标，以增强跨领域和跨任务的迁移学习。这些基础工作为更复杂的方法奠定了基础，例如对深度嵌入聚类的修改，自监督学习框架，以及多模态数据方法。最近的进展引入了各种创新策略，包括用于视觉类别发现的双分支学习框架，邻域对比学习，以及简化发现过程和提高模型鲁棒性的统一目标。此外，还开发了基于元学习的方法和处理动态性质的类增量框架。该领域的进一步贡献包括为特定挑战开发框架，如利用互知识蒸馏，以及实现新损失函数以提高潜在空间可分离性。这些多种方法的整合显著提高了在复杂和动态环境中有效发现和学习新类别的能力。
2、2018年佐治亚理工学院在国际表征学习大会iclr发表论文《learning tocluster in order to transfer across domains and tasks》，该论文被认为是新类别发现问题的首个解决方案。这种创...
【技术保护点】
1.一种结合体素和空间坐标进行新类别发现的语义分割方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种结合体素和空间坐标进行新类别发现的语义分割方法，其特征在于：为保证体素化表示和点云的原始空间框架之间的信息转换，还包括建立一个双射映射，将每个体素链接到其对应的点集。
3.根据权利要求1所述的一种结合体素和空间坐标进行新类别发现的语义分割方法，其特征在于：所述对集成数据集进行特征提取时，使用MinkowskiNet模型对集成数据集进行特征提取，输出每个体素的高维特征表示。
4.根据权利要求1所述的一种结合体素和空间坐标进行...
【技术特征摘要】
1.一种结合体素和空间坐标进行新类别发现的语义分割方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种结合体素和空间坐标进行新类别发现的语义分割方法，其特征在于：为保证体素化表示和点云的原始空间框架之间的信息转换，还包括建立一个双射映射，将每个体素链接到其对应的点集。
3.根据权利要求1所述的一种结合体素和空间坐标进行新类别发现的语义分割方法，其特征在于：所述对集成数据集进行特征提取时，使用minkowskinet模型对集成数据集进行特征提取，输出每个体素的高维特征表示。
4.根据权利要求1所述的一种结合体素和空间坐标进行新类别发现的语义分割方法，其特征在于：所述将特征向量集合进行聚类的过程具体为：将特征向量集合输入到minibatchkmeans算法中，根据特征相似性将点云数据组织成多个聚类。
5.根据权利要求1所述的一种结合体素和空间坐标进行新类别发现的语义分割方法，其特征在于：所述质心为聚类中所有特征向量的平均值，所述代表点为聚类...
【专利技术属性】
技术研发人员：李军，杜静，张德栋，马凌飞，童自华，郑杰，陆超，
申请(专利权)人：南京国础科学技术研究院有限公司，
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。