典型文献
弱监督学习下的三维点云模型簇协同分割
文献摘要：
随着三维采集技术的快速发展,点云数据逐渐成为表示三维模型的基本数据格式之一,它可以保留模型的更多三维空间几何信息.但在三维点云模型分割研究中,大多深度学习网络架构依赖于高质量标注的数据,导致训练成本高昂.因此,针对利用带少量标注点的训练样本实现三维模型簇协同分割的问题,提出一种基于弱监督学习的三维点云模型簇协同一致分割方法.首先,通过K近邻算法建立点之间的局部邻域图;然后,利用局部卷积方法提取点云模型的部件特征并构建相似部件矩阵;最后,通过能量函数反向传播优化网络权值,获得模型簇的一致性分割结果.实验结果表明,该算法在公开数据集ShapeNet Parts上的分割准确率达到85.0％.与现有的有监督算法相比,该算法在训练样本标签数减少至10％的情况下依然能够取得与有监督学习方法接近甚至更好的分割结果,并且与目前主流的弱监督算法相比,分割准确率得到进一步提升.
文献关键词：
模型簇;协同分割;弱监督学习;局部卷积;能量函数
中图分类号：
作者姓名：
杨军;雷喜文
作者机构：
兰州交通大学 电子与信息工程学院,兰州 730070;兰州交通大学 测绘与地理信息学院,兰州 730070
文献出处：
引用格式：
[1]杨军;雷喜文-.弱监督学习下的三维点云模型簇协同分割)[J].计算机科学与探索,2022(09):2121-2131
A类：
协同分割,局部邻域图
B类：
弱监督学习,三维点云模型,三维采集,采集技术,点云数据,数据格式,三维空间,空间几何,几何信息,模型分割,深度学习网络,网络架构,练成,高昂,注点,训练样本,三维模型簇,分割方法,近邻算法,局部卷积,取点,能量函数,反向传播,传播优化,权值,公开数据集,ShapeNet,Parts,样本标签,标签数,有监督学习,弱监督算法
AB值：
0.302208
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
