小样本点云分类的原型分布校正OA北大核心CSTPCD
针对基于度量的小样本学习方法原型网络中因支撑样本较少,出现的类原型容易发生偏差、网络泛化性差等问题,提出一种基于高斯分布的原型校正方法。首先根据原型网络得到类原型,通过类原型对查询样本进行近邻匹配,得到查询样本的伪标签;然后得到伪标签样本特征的高斯分布信息,即均值和方差;最后从这些分布中进行采样,生成足够丰富的样本去扩展支撑集,进而获得更准确的类原型,改善分类性能。同时对于现有的特征提取网络引入正交约束,改善模型的泛化性。本文在常见点云数据集上进…查看全部>>
冯远志;夏羽;郭杰龙;邵东恒;张剑锋;魏宪
中国科学院福建物质结构研究所,福建福州350002 中国科学院大学,北京100049上海宇航系统工程研究所,上海201108中国科学院福建物质结构研究所,福建福州350002 中国福建光电信息科学技术创新实验室,福建福州350108中国科学院福建物质结构研究所,福建福州350002 中国福建光电信息科学技术创新实验室,福建福州350108中国科学院福建物质结构研究所,福建福州350002 中国福建光电信息科学技术创新实验室,福建福州350108中国科学院福建物质结构研究所,福建福州350002 中国福建光电信息科学技术创新实验室,福建福州350108
计算机与自动化
3D点云分类小样本学习原型校正特征增强高斯分布
《液晶与显示》 2024 (9)
P.1243-1254,12
中国福建光电信息科学技术创新实验室(No.2021ZZ120)泉州市科技项目(No.2021C065L)。
评论