公开(公告)号：CN111027559A

公开(公告)日：2020-04-17

申请号：CN201911048539.3

申请日：2019-10-31

Applicant: 湖南大学 ,  湖南大学深圳研究院

Inventor： 余洪山 ,  何勇 ,  邹艳梅 ,  杨振耕

IPC: G06K9/34 ,  G06K9/62

Abstract: 本发明公开了一种基于扩张点卷积空间金字塔池化的点云语义分割方法，首先通过最远点采样算法获得点云子集中心点，并利用KNN算法确定子集范围；然后通过扩张点卷积空间金字塔池化提取各点云子集特征，增大点卷积的感受野，丰富了场景多尺度目标的特征提取；其次采用简单有效的解码模块实现特征解码，提高了稀疏点云的分割精度；最后通过全连接层实现各个点云的标签分类。本发明的点云语义分割方法具有分割精度高、适应场景多样等突出优点。

公开(公告)号：CN115272676A

公开(公告)日：2022-11-01

申请号：CN202210913076.8

申请日：2022-08-01

Applicant: 湖南大学

Inventor： 杨振耕 ,  余洪山 ,  孙玮 ,  何勇 ,  邹艳梅 ,  陈同嘉 ,  马小菊

IPC: G06V10/26 ,  G06V10/40 ,  G06V10/764 ,  G06V10/774

Abstract: 本发明公开了一种基于域不变语义类原型的少样本语义分割方法及系统，该方法首先通过深度学习分别提取目标域图片与源域图片特征；然后通过掩膜平均池化获取目标域图片某一类的平均特征表征作为该目标类原型；其次在源域图像上逐像素寻找该像素最近的目标类原型实现源域图像分割，并通过源域图像标记训练语义特征网络；最后通过训练好的语义特征提取网络实现域不变类原型提取，并通过基于原型的语义分割即计算每一像素的最相似的类原型实现目标域图片的分割。本发明的语义分割迁移方法具有训练简单、通用性强等突出优点。