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。

公开(公告)号：CN117671252A

公开(公告)日：2024-03-08

申请号：CN202311408773.9

申请日：2023-10-27

Applicant: 高速铁路建造技术国家工程研究中心 ,  中国中铁股份有限公司 ,  中南大学

Inventor： 余志武 ,  张云生 ,  张睿祥 ,  王旭颖

IPC: G06V10/26 ,  G06V10/44 ,  G06V20/64 ,  G06N3/0455 ,  G06N3/0464

Abstract: 本发明公开了一种语义分割方法、终端设备及存储介质，所述方法利用编码器‑解码器模型进行点云语义分割，其中，编码器的每个编码层包括第一并行差异卷积模块和跨步并行差异卷积模块；跨步并行差异卷积模块包括第二并行差异卷积模块和降采样模块，第一并行差异卷积模块和第二并行差异卷积模块均包括拼接层以及并联的刚性KPConv卷积层、圆柱形卷积层和球顶椎体卷积层。本发明在编码层的卷积模块中采用不同卷积核点分布方式的卷积层进行特征提取，能够更好的学习点云数据的特征，提高了激光点云语义分割精度。