← 返回列表
基于持续学习的可扩展点云目标识别方法与系统
申请人信息
- 申请人:南京信息工程大学
- 申请人地址:210044 江苏省南京市浦口区宁六路219号
- 发明人: 南京信息工程大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 基于持续学习的可扩展点云目标识别方法与系统 |
| 专利类型 | 发明申请 |
| 申请号 | CN202410213054.X |
| 申请日 | 2024/2/27 |
| 公告号 | CN117788962A |
| 公开日 | 2024/3/29 |
| IPC主分类号 | G06V10/764 |
| 权利人 | 南京信息工程大学 |
| 发明人 | 孙昊; 刘青山 |
| 地址 | 江苏省南京市江北新区宁六路219号 |
摘要文本
本发明公开了基于持续学习的可扩展点云目标识别方法与系统，包括获取不同的点云目标识别数据集，基于预设类别将数据集划分为若干批次。然后基于PointNet网络，构建双分支结构的知识注入网络，该知识注入网络包括稳定性分支、以及可塑性分支；稳定性分支用于得到稳定性分支输出特征；可塑性分支用于得到可塑性分支输出特征；对稳定性分支输出特征、可塑性分支输出特征进行混合，得到混合知识特征。最后对混合知识特征输入至分类器，得到识别结果。本发明差异性局部感知模块提升了PointNet网络的差异性局部特征感知能力，通过知识注入网络设计，引入过去的模型特征知识进行多源知识补充，可以缓解对过去类别识别能力下降的现象。
专利主权项内容
1.基于持续学习的可扩展点云目标识别方法，其特征在于，包括如下步骤：S1、获取不同的点云目标识别数据集, 并进行预处理，然后基于预设类别将数据集划分为若干批次；S2、基于PointNet网络，构建双分支结构的知识注入网络，该知识注入网络包括稳定性分支、以及可塑性分支；稳定性分支以各批次数据集为输入，当前特征提取器由前一阶段的训练得到的可塑性分支初始化得到，并对参数冻结；对输入数据进行前向计算，得到稳定性分支输出特征 ；可塑性分支以各批次数据集为输入，当前阶段的特征提取器，由前一阶段的训练得到的可塑性分支初始化得到，并且对参数优化；对输入数据进行前向计算，得到可塑性分支输出特征；对稳定性分支输出特征、可塑性分支输出特征/>进行混合，得到混合知识特；S3、对混合知识特征输入至分类器，得到点云目标的分类的最终得分，将最高得分对应的类别作为识别结果。 更多数据：搜索马克数据网来源：