龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：深圳技术大学
摘要：本发明提供的无监督域适应的点云学习方法利用MeanTeacher和半监督学习的优势，从标记的源数据集转移知识至未标记的目标数据集，通过引入源域学习的软分类损失和目标域学习的一致性损失，无监督域适应的点云学习方法可以自然地监督学生模型，并提高其鲁棒性；此外，该方法通过自我集成技术弥合受监督和无监督表示学习之间的域差距，从而提高整个网络的泛化能力和预测性能。
主权项：1.一种无监督域适应的点云学习方法，其特征在于，包括以下步骤：步骤S110，获取源域和目标域数据样本；步骤S120，利用学生网络模型，分别对源域数据和目标域数据提取特征信息，并进行特征学习，生成对应的第一源域特征向量样本和第一目标域特征向量样本；步骤S130，利用老师网络模型，再分别对源域数据和目标域数据提取特征信息，并进行特征学习，生成对应的第二源域特征向量样本和第二目标域特征向量样本；步骤S140，将第一源域特征向量样本和对应的第一源域原始标签信息送入有监督学习模块，得到分类模型；步骤S150，将第二源域特征向量样本送入softmax分类器获取第二源域软标签信息；步骤S160，将第一源域特征向量样本与第二源域软标签信息送入软分类学习模块，得到软分类模型；步骤S170，将第一目标域特征向量样本和第二目标域特征向量样本，分别送入解码器模型，获取点云的重构信息特征分别得到第一目标域重构的点云特征和第二目标域重构的点云特征；步骤S180，将第一目标域重构的点云特征和原始第一目标域点云送入自监督学习模块进行重构学习，得到目标域的重构模型；步骤S190，将第一目标域重构的点云特征和第二目标域重构的点云送入一致性对比学习模型，得到目标域的一致性模型。
全文数据：
权利要求：
百度查询： 深圳技术大学 一种无监督域适应的点云学习方法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号