← 返回列表
一种3D点云数据零样本分类方法、装置、设备及存储介质
摘要文本
本发明公开了一种3D点云数据零样本分类方法、装置、设备及存储介质,所述方法包括:获取待分类的3D点云数据,确定初始投影方向;根据初始投影方向将3D点云数据进行投影得到2D点云数据;获取至少两个类别的语意描述信息,结合训练好的隐层扩散模型,确定2D点云数据分别针对各类别的语意描述信息的最小预测扰动噪声误差;将各最小预测扰动噪声误差中的最小值对应的类别作为零样本分类结果。本发明提供的3D点云数据零样本分类方法,利用隐层扩散模型预测投影后的2D点云数据针对各类别的语意描述信息的最小预测扰动噪声误差,从而准确找到与图像最匹配的语意信息对应的类别。
申请人信息
- 申请人:昆山杜克大学
- 申请人地址:215300 江苏省苏州市昆山市杜克大道8号
- 发明人: 昆山杜克大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 一种3D点云数据零样本分类方法、装置、设备及存储介质 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311360007.X |
| 申请日 | 2023/10/19 |
| 公告号 | CN117456236A |
| 公开日 | 2024/1/26 |
| IPC主分类号 | G06V10/764 |
| 权利人 | 昆山杜克大学 |
| 发明人 | 黄开竹; 赵伟光; 杨关禹; 杨超龙 |
| 地址 | 江苏省苏州市昆山市杜克大道8号 |
专利主权项内容
1.一种3D点云数据零样本分类方法,其特征在于,包括:获取待分类的3D点云数据,确定初始投影方向;根据所述初始投影方向将所述3D点云数据进行投影得到2D点云数据;获取至少两个类别的语意描述信息,结合训练好的隐层扩散模型,确定所述2D点云数据分别针对各类别的语意描述信息的最小预测扰动噪声误差;将各所述最小预测扰动噪声误差中的最小值对应的类别作为零样本分类结果。