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：中国人民解放军国防科技大学

摘要：本申请涉及一种城市Mesh数据的半监督语义分割方法、装置和设备，所述城市Mesh数据的半监督语义分割方法的训练过程包括监督学习部分和无监督学习部分，在无监督学习部分引入了噪声减少损失、分布对齐损失和扩展扰动空间；噪声减少损失改善了伪标签中的噪声，从而提高了其准确性；分布对齐损失减少了模型预测与伪标签之间的差异，从而提高了模型的分割准确性；扩展扰动空间增强了模型的鲁棒性和整体性能。采用城市Mesh数据的半监督语义分割方法对待分割的城市Mesh数据进行语义分割，可以提升城市Mesh数据的分割准确性。

主权项：1.一种城市Mesh数据的半监督语义分割方法，其特征在于，所述方法包括：采用有标注城市mesh数据对预构建的mesh语义分割模型进行监督训练，得到第一预测结果；根据所述第一预测结果和有标注城市mesh数据的标签确定有监督损失为： ;其中，为有监督损失，M为类别数量，为符号函数（0，1），为观测样本i属于类别c的预测概率；采用未标记输入城市mesh数据对mesh语义分割模型进行无监督训练，得到伪标签和两个模型预测结果；无监督训练过程为：将所述未标记输入城市mesh数据进行弱增强、然后进行两次强增强后，将得到的弱增强结果、第一强增强结果以及第二强增强结果分别输入到第二个、第三个以及第四个mesh语义分割模型中，得到伪标签和两个模型预测结果；其中监督训练和无监督训练中的mesh语义分割模型是权重共享、结构相同的语义分割网络；根据所述伪标签和两个模型预测结果，计算噪声减少损失和分布对齐损失；根据所述监督损失、所述噪声减少损失以及所述分布对齐损失，确定模型总损失；根据所述模型总损失对所述mesh语义分割模型进行优化更新，得到训练好的mesh语义分割模型；其中模型总损失为 ;其中，为模型总损失，为有监督损失，为分布对齐损失，为噪声减少损失；采用训练好的mesh语义分割模型对待分割的城市Mesh数据进行语义分割，得到待分割的城市Mesh数据语义分割结果；其中，根据所述伪标签和两个模型预测结果，计算噪声减少损失和分布对齐损失，包括：根据所述伪标签，计算噪声减少损失为： ;其中，为噪声减少损失，N为伪标签的数量，为伪标签的第i个样本；根据所述伪标签和两个模型预测结果采用KL散度，计算分布对齐损失为： ;其中，为分布对齐损失，为KL散度，、和分别为伪标签、第一个模型预测结果和第二个模型预测结果。

全文数据：

权利要求：

百度查询： 中国人民解放军国防科技大学 城市Mesh数据的半监督语义分割方法、装置和设备