公开(公告)号：CN117197451A

公开(公告)日：2023-12-08

申请号：CN202310904440.9

申请日：2023-07-21

Applicant: 厦门大学

Inventor： 程明 ,  曾万康 ,  袁直敏 ,  苏燕飞 ,  王程

IPC: G06V10/26 ,  G06V20/70 ,  G06V10/764 ,  G06V10/774 ,  G06V10/778 ,  G06V10/762

Abstract: 本发明公开了一种基于域自适应的遥感图像语义分割方法及装置，该方法包括获取包括具有标注的源域数据和未标注的目标域数据的遥感数据集；构建具有辅助原型分类器的平均教师框架，其中，具有辅助原型分类器的平均教师框架包括教师模型和学生模型；采用遥感数据集训练及优化学生模型的参数，其中，教师模型使用指数移动平均更新其参数，辅助原型分类器使用指数移动平均更新其权重；将未标注的目标域数据输入到训练好的学生模型进行逐点预测，以得到未标注的目标域数据对应的分割结果；由此，通过构建具有辅助原型分类器的平均教师框架能够解决遥感图像跨域语义分割任务中的域差异问题，并实现源域与目标域之间类层次的对齐，从而提高分割性能。

公开(公告)号：CN114638964B

公开(公告)日：2024-07-23

申请号：CN202210216065.4

申请日：2022-03-07

Applicant: 厦门大学

Inventor： 程明 ,  袁直敏 ,  刘伟权 ,  苏燕飞 ,  王程

IPC: G06V10/26 ,  G06V20/70 ,  G06V10/764 ,  G06V10/772 ,  G06V10/80 ,  G06V10/82 ,  G06V20/56 ,  G06N3/045 ,  G06N3/0475 ,  G06N3/082 ,  G06N3/094 ,  G06N3/096 ,  G06N3/084 ,  G06N3/0985

Abstract: 本发明提供一种基于深度学习的跨域三维点云分割方法、存储介质，方法包括：获取训练数据；构建高效域迁移对抗分割框架；使用训练数据中的源域数据对框架中的条件域融合分割网络模型进行监督训练，得到预训练条件域融合分割网络模型并更新至框架中，再使用训练数据继续训练更新后的分割网络模型得到跨域三维点云条件域融合分割网络模型；输入目标域数据至跨域三维点云条件域融合分割网络模型后，先分别通过其中的主分支Ev和辅助分支Ep提取基于体素的特征和基于点的特征，再通过注意力融合模块融合这两个特征，再通过分类器对融合特征和基于体素的特征进行逐点分类，得到各点的预测标签。本发明能够极大地提升跨域分割的准确率和性能。

公开(公告)号：CN114638964A

公开(公告)日：2022-06-17

申请号：CN202210216065.4

申请日：2022-03-07

Applicant: 厦门大学

Inventor： 程明 ,  袁直敏 ,  刘伟权 ,  苏燕飞 ,  王程

IPC: G06V10/26 ,  G06V20/70 ,  G06V10/764 ,  G06V10/772 ,  G06V10/80 ,  G06V10/82 ,  G06V20/56 ,  G06N3/04 ,  G06N3/08 ,  G06K9/62

Abstract: 本发明提供一种基于深度学习的跨域三维点云分割方法、存储介质，方法包括：获取训练数据；构建高效域迁移对抗分割框架；使用训练数据中的源域数据对框架中的条件域融合分割网络模型进行监督训练，得到预训练条件域融合分割网络模型并更新至框架中，再使用训练数据继续训练更新后的分割网络模型得到跨域三维点云条件域融合分割网络模型；输入目标域数据至跨域三维点云条件域融合分割网络模型后，先分别通过其中的主分支Ev和辅助分支Ep提取基于体素的特征和基于点的特征，再通过注意力融合模块融合这两个特征，再通过分类器对融合特征和基于体素的特征进行逐点分类，得到各点的预测标签。本发明能够极大地提升跨域分割的准确率和性能。