公开(公告)号：CN118918448A

公开(公告)日：2024-11-08

申请号：CN202410904311.4

申请日：2024-07-08

Applicant: 电子科技大学长三角研究院(湖州)

Inventor： 瑞嘉 ,  阿布 ,  任晓龙 ,  曾少宁

IPC: G06V10/94 ,  G06V20/64 ,  G06V20/56 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0499 ,  G06N3/098 ,  G06F21/62

Abstract: 本发明公开了基于隐私保护的联邦少样本学习的点云数据分类方法，通过构建点云数据分类的本地模型，并基于获取的一组点云数据进行分类训练，将得到的本地模型参数传输至全局服务器，全局服务器结合其他节点的参数进行聚合，得到全局模型参数，基于全局模型参数更新本地模型参数；其中，本地模型通过嵌入层对点云数据支持集和查询集进行特征提取，将分别得到的局部原型特征和局部查询特征，通过注意力机制进行自适应地数据信息增强，得到注意力参数，基于注意力参数更新局部特征，全局服务器对各本地节点更新的局部特征进行聚合与分配，本地节点根据分配的全局特征，通过可学习层进行本地模型的分类预测。