-
公开(公告)号:CN117744706A
公开(公告)日:2024-03-22
申请号:CN202311772257.4
申请日:2023-12-21
Applicant: 哈尔滨工业大学
IPC: G06N3/045 , G06F18/2415 , G06N3/084 , G06F18/25 , G06F18/22 , G06F18/213 , G06N3/0475 , G06N3/094
Abstract: 一种基于2D预训练模型的3D小样本连续学习方法,属于3D小样本连续学习领域。本发明针对现有2D预训练模型不适用3D少样本类增量学习的问题。包括对每个点云样本进行多视角渲染与2D特征编码,并合并得到深度图全局特征;对每个点云样本进行3D编码与调节得到与2D对齐后3D点云特征;将深度图全局特征与3D点云特征融合得到融合后全局特征;采用主成分对标签特征向量和融合后全局特征进行降维操作,计算无冗余全局特征与各标签特征向量的重归一化余弦相似度,并计算分类概率损失值与对抗学习损失值,得到总损失值;对每个新增类点云样本库中的新增类点云样本进行上述过程数据处理实现3D小样本连续学习。本发明用于3D小样本连续学习。
-