申请/专利权人:深圳大学;人工智能与数字经济广东省实验室(深圳)
申请日:2024-05-22
公开(公告)日:2024-06-21
公开(公告)号:CN118230072A
主分类号:G06V10/764
分类号:G06V10/764;G06V10/44;G06V10/77;G06V10/82;G06V20/64;G06N3/0455;G06N3/08;G06N3/048
优先权:
专利状态码:在审-公开
法律状态:2024.06.21#公开
摘要:本申请涉及一种基于二维分类模型的三维点云分类模型训练方法和介质。所述方法包括:获取二维图像对应的图像特征向量序列,基于图像特征向量序列对初始二维分类模型进行训练,得到目标二维分类模型;基于目标二维分类模型和初始校准单元,得到初始三维点云分类模型;获取三维点云对应的数据特征向量序列,基于数据特征向量序列对初始三维点云分类模型进行训练,以调整初始校准单元中的初始校准参数,得到目标三维点云分类模型;目标三维点云分类模型用于基于三维点云对应的数据特征向量序列确定三维点云对应的物体类别。采用本方法能够提高三维点云分类模型的准确性。
主权项:1.一种基于二维分类模型的三维点云分类模型训练方法,其特征在于,所述方法包括:获取二维图像对应的图像特征向量序列,基于所述图像特征向量序列对初始二维分类模型进行训练,得到目标二维分类模型;基于所述目标二维分类模型和初始校准单元,得到初始三维点云分类模型;获取三维点云对应的数据特征向量序列,基于所述数据特征向量序列对所述初始三维点云分类模型进行训练,以调整所述初始校准单元中的初始校准参数,得到目标三维点云分类模型;所述目标三维点云分类模型用于基于三维点云对应的数据特征向量序列确定所述三维点云对应的物体类别。
全文数据:
权利要求:
百度查询: 深圳大学;人工智能与数字经济广东省实验室(深圳) 基于二维分类模型的三维点云分类模型训练方法和介质
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。