公开(公告)号：CN114926469A

公开(公告)日：2022-08-19

申请号：CN202210443785.4

申请日：2022-04-26

Applicant: 中南大学

Inventor： 张云生 ,  姚建国 ,  李海峰 ,  张睿祥

IPC: G06T7/10 ,  G06V10/764 ,  G06V10/774

Abstract: 本发明公开的一种语义分割模型训练方法、语义分割方法，该训练方法包括辅助任务和语义分割任务，辅助任务和语义分割任务采用相同的主干框架KP‑FCNN；在辅助任务中，使用大规模的无标签航空激光点云数据对特征学习模型进行训练，且在正负样本选择阶段，在挖掘的最难负样本基础上利用聚类算法去除特征相似的负样本，使模型在辅助任务中学习空间不变性信息基础上考虑特征相似性；将训练后的特征学习模型的权重参数作为语义分割模型参数的初始值，实现语义分割任务的信息增益，超越基准监督网络，特别是在语义标签严重不足时，极大的提升分类精度。

公开(公告)号：CN114926469B

公开(公告)日：2024-10-01

申请号：CN202210443785.4

申请日：2022-04-26

Applicant: 中南大学

Inventor： 张云生 ,  姚建国 ,  李海峰 ,  张睿祥

IPC: G06T7/10 ,  G06V10/764 ,  G06V10/774

Abstract: 本发明公开的一种语义分割模型训练方法、语义分割方法，该训练方法包括辅助任务和语义分割任务，辅助任务和语义分割任务采用相同的主干框架KP‑FCNN；在辅助任务中，使用大规模的无标签航空激光点云数据对特征学习模型进行训练，且在正负样本选择阶段，在挖掘的最难负样本基础上利用聚类算法去除特征相似的负样本，使模型在辅助任务中学习空间不变性信息基础上考虑特征相似性；将训练后的特征学习模型的权重参数作为语义分割模型参数的初始值，实现语义分割任务的信息增益，超越基准监督网络，特别是在语义标签严重不足时，极大的提升分类精度。