-
公开(公告)号:CN113536920B
公开(公告)日:2022-06-17
申请号:CN202110652497.5
申请日:2021-06-11
Applicant: 复旦大学
IPC: G06V20/64 , G06V10/25 , G06V10/26 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08 , G06T7/194 , G06T7/73
Abstract: 本发明公开了一种半监督三维点云目标检测方法。其包括如下步骤:(1)对输入教师模型和学生模型的点云进行随机下采样,教师模型的随机下采样数据作为教师模型的输入;(2)将学生模型的随机下采样数据经过随机变换,作为学生模型的输入;(3)训练学生模型时使用标签数据同步训练教师模型,每一次迭代后将训练好的学生模型作为教师模型进一步训练,通过教师网络对无标签的数据进行挖掘,得到伪标签用于指导学生网络的学习,获得三维点云目标检测结果。本发明可以减少三维目标检测深度学习模型对数据标签的依赖,降低数据标注的成本;使用部分标签就达到同样模型使用100%标签的精度;本实验模型泛化能力强,能够用到多种深度学习模型中。
-
公开(公告)号:CN113536920A
公开(公告)日:2021-10-22
申请号:CN202110652497.5
申请日:2021-06-11
Applicant: 复旦大学
Abstract: 本发明公开了一种半监督三维点云目标检测方法。其包括如下步骤:(1)对输入教师模型和学生模型的点云进行随机下采样,教师模型的随机下采样数据作为教师模型的输入;(2)将学生模型的随机下采样数据经过随机变换,作为学生模型的输入;(3)训练学生模型时使用标签数据同步训练教师模型,每一次迭代后将训练好的学生模型作为教师模型进一步训练,通过教师网络对无标签的数据进行挖掘,得到伪标签用于指导学生网络的学习,获得三维点云目标检测结果。本发明可以减少三维目标检测深度学习模型对数据标签的依赖,降低数据标注的成本;使用部分标签就达到同样模型使用100%标签的精度;本实验模型泛化能力强,能够用到多种深度学习模型中。
-