科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对当前基于深度学习的点云理解任务需要大量标注数据但数据标注极为消耗成本的现实问题,提出一种基于对比学习预训练的点云主动筛选点云标注方法.通过交替运行对比学习预训练特征提取与主动学习选择模块,在未标注数据中筛选最有代表性的样本进行标注,从而在有限的标注成本下获得最佳性能的点云理解模型.首先基于对比学习的自监督范式进行预训练;然后固定模型参数,利用该模型对未标注点云提取特征,通过设计基于不确定性和特征多样性的指标,从中选择代表性数据进行标注.在点云分类以及分割等任务中,验证了所提方法的有效性;在ModelNet40数据集上的实验结果表明,该方法可有效地提高模型在弱监督下的表现,与随机选择数据进行标注的方法相比,可以提高20%以上的准确率,在接近10%的数据标注下最终达到73%的准确率;在ShapeNet数据集上的实验结果证明,该方法对于分割任务也有较好的表现,在1 000组标注数据下取得了91%的精度,接近于监督训练水平.
- 单位
