公开(公告)号：CN117876685A

公开(公告)日：2024-04-12

申请号：CN202410047934.4

申请日：2024-01-12

Applicant: 西安电子科技大学

Inventor： 冯明涛 ,  邵法兴 ,  董伟生 ,  宋娟 ,  张亮 ,  严晨渤

IPC: G06V10/26 ,  G06V10/44 ,  G06V10/774 ,  G06V10/764 ,  G06V10/74 ,  G06V10/82 ,  G06N3/0895

Abstract: 本发明公开了一种联合噪声挖掘与矫正策略的弱监督点云语义分割方法。本发明基于实例相关噪声类型的噪声标签构建训练数据集；通过自监督对比学习网络，提高模型对点云数据的表征学习能力；基于神经网络的记忆效应，针对实例相关噪声类型的噪声标签，重新定义遗忘事件，对点云标签的噪声进行挖掘，将含有噪声标签的点云数据进行噪声标签以及干净标签的区分；根据计算得到的描述噪声标签筛选阶段结果的二进制矩阵，生成多语义类别平衡的原型特征队列，对噪声标签进行可信矫正。本发明以成本低廉的噪声标签的弱监督学习机制即实现了与强监督模型效果相当的点云语义分割。

公开(公告)号：CN116630976A

公开(公告)日：2023-08-22

申请号：CN202310579832.2

申请日：2023-05-22

Applicant: 西安电子科技大学

Inventor： 冯明涛 ,  侯皓然 ,  程嘉明 ,  邵法兴 ,  严晨渤 ,  梅龙龙 ,  田丰豪 ,  郝鑫 ,  杜雨豪

IPC: G06V20/70 ,  G06V10/80 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于多模态空间层次知识的三维语义场景图预测方法，包括：S1：基于空间层次结构的符号知识图谱构建；S2：符号知识引导策略下的视觉上下文编码；S3：基于文本符号知识与视觉上下文特征的多模态知识提取；S4：多模态知识引导的物体与关系检测。通过设计图推理网络，在符号知识图谱中融合来自文本模态的符号知识与来自视觉模态的场景视觉上下文特征，实现多模态空间层次知识的提取与学习，并利用视觉场景中物体类别作为索引，提取对应的多模态知识特征，实现多模态知识增强的物体与关系检测，并通过引入表达能力更强的多模态知识提升了算法性能与效率，使得本发明三维场景图预测方法具有高精准、高效率、强鲁棒性等优点。