计算机工程

作者：徐守坤, 张路军, 石林, 刘毅

单位：常州大学计算机与人工智能学院 阿里云大数据学院 软件学院, 江苏 常州, 213164

关键词：点云,目标检测,小样本,投票网络,意图注意力

基金：国家自然科学基金青年项目(62001341); 江苏省自然科学基金面上项目(BK20221379)

现有的点云目标检测方法往往要求严苛的监督式数据集, 这带来了人力、物力等方面的挑战。因此提出一种创新性的解决方案, 即采用元学习框架来克服大量标注数据的困扰。对小样本学习技术在3D点云目标检测中的应用进行研究。这一方法能够基于有限的新类别标注样本, 预测未标注样本的分类, 从而在有限数据条件下仍能取得良好效果。引入原型投票网络来学习类别的几何原型以及支持集的类别原型。此外, 为了学习点云上下文信息, 引入意图注意力机制, 以实现更加精准的信息融合。在原型生成方面, 为避免点云原型过度依赖最大池化而丧失大量信息, 采用平均池化方法来生成原型。与基准数据集上的基线模型相比, 该方法呈现出显著且一致的提升效果, 为点云目标检测领域的研究和应用提供了有力支持。

来源：2024年第12期

《计算机工程》期刊编辑部

查看计算机工程杂志2024年第12期