计算机科学与探索

作者：杨军, 雷喜文

单位：1.兰州交通大学 电子与信息工程学院,兰州 730070；2.兰州交通大学 测绘与地理信息学院,兰州 730070

关键词：模型簇,协同分割,弱监督学习,局部卷积,能量函数

基金：国家自然科学基金(61862039);甘肃省科技计划资助(20JR5RA429);兰州市人才创新创业项目(2020-RC-22);兰州交通大学天佑创新团队项目(TY202002)

随着三维采集技术的快速发展,点云数据逐渐成为表示三维模型的基本数据格式之一,它可以保留模型的更多三维空间几何信息。但在三维点云模型分割研究中,大多深度学习网络架构依赖于高质量标注的数据,导致训练成本高昂。因此,针对利用带少量标注点的训练样本实现三维模型簇协同分割的问题,提出一种基于弱监督学习的三维点云模型簇协同一致分割方法。首先,通过K近邻算法建立点之间的局部邻域图;然后,利用局部卷积方法提取点云模型的部件特征并构建相似部件矩阵;最后,通过能量函数反向传播优化网络权值,获得模型簇的一致性分割结果。实验结果表明,该算法在公开数据集ShapeNet Parts上的分割准确率达到85.0%。与现有的有监督算法相比,该算法在训练样本标签数减少至10%的情况下依然能够取得与有监督学习方法接近甚至更好的分割结果,并且与目前主流的弱监督算法相比,分割准确率得到进一步提升。

来源：2022年第9期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2022年第9期