CN113807448B 点云数据分割模型训练方法、装置、存储介质及电子设备 （广州极飞科技股份有限公司）

US2020349246A1,2020.11.05本申请提出一种点云数据分割模型训练方云数据中确定用于作为训练样本的样本点云数据；基于样本点云数据对初始模型进行加权训于作为训练样本的样本点云数据是由初始模型2获取初始模型对第一点云数据的标注结果，其中，所述第一根据所述标注结果从所述第一点云数据中确定用于作为训练样本的样所述样本点云数据的每个点的权重与其对应的置信度基于第二点云数据和所述样本点云数据对所述初始模型进将所述第一点云数据中的高置信度点确定为所述样本点云数据，其中将所述第一点云数据中的中置信度点确定为所述样本点云数据，其中述中置信度点为中心的预设范围内至少存在一个与所述中置信度点的预测类别相同的高从所述高置信度点为中心的预设区域内的各个点中筛选出与所述高置信度点的预测分别依据所述样本点云数据中的每一个点对应的获取所述样本点云数据对应的准确评估分，其中，所述准确评估分依据所述样本点云数据中的每一个点的对应的所述准确评估分和所述初始权重确定3所述处理单元还用于根据所述标注结果从所述第一点云数据中确定用于作为训练样训练单元，用于基于所述样本点云数据对所述初始处理器执行时实现如权利要求1-8中任一项4[0002]随着各类自动化设备在农业中的应用越来越广泛来越多,其中就包含二维的图像信息和三维的点云信息。三维点云分割任务(或过程)是三[0003]相比与二维图像的标注,三维点云数据的标[0008]根据所述标注结果从所述第一点云数据中确定用于作为训练样本的样本点云数[0009]基于所述样本点云数据对所述初始模型进行加权训练，[0012]所述处理单元还用于根据所述标注结果从所述第一点云数据中确定用于作为训5进行人工标注的点云数据，标注结果包括第一点云数据每一个点对应的预测类别和置信6元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本申请中的具体含义。据分割模型训练方法的各步骤可以通过处理器10中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器10可以是通用处理器，包括中央处理器(CentralProcessing(DigitalSignalProcessor，简称DSP)、专用集成电路(ApplicationSpecific7[0042]总线12可以是ISA(IndustryStandardArchitecture)总线、PCI(PeripheralComponentInterconnect)总线或EISA(ExtendedIndustryStandardArchitecture)总分割模型训练装置包括至少一个可以软件或固件(firmware)的形式存储于存储器11中或[0046]本申请实施例提供的一种点云数据分割模型训练方法，可以但不限于应用于图1[0049]可以理解地，初始模型为已经完成初步训练的一个点云数据分割模型(神经网络[0055]需要说明的是，虽然样本点云数据携带的是非人工标注的伪标签(每一个点的预8云数据携带的伪标签是准确度有保障的，不会导致点云数据分割模型向错误的方向学习。[0057]在图2的基础上，关于S107中的内容，本申请实施例还提供了一种可能的实现方[0065]在图2的基础上，对于S103中的内容，本申请实施例还提供了一种可能的实现方别和置信度进行遍历，筛选出对应的预测类别的置信度大于或等于第一置信度阈值的点，9[0069]在一种可能的实现方式中，不同预测类别对应的第一置信度阈值可能不完全[0074]在对应的预测类别的置信度小于第一置信度阈值，大于第二置信度阈值的情况下，通过验证以其为中心的预设范围内至少存在一个与其的预测类别相同的高置信度点，测类别作为样本点云数据的伪标签。从而在保障样本点云数据携带的伪标签准确的前提[0078]判断每一个待确认点的预设范围内是否至少存在一个与待确认点的预测类别相定为中置信度点，将点A1的预测类别作为点A1的伪标签。该方式相比后文中图8对应的方将添加了伪标签的第一点云数据整体作为样本点[0088]在图2的基础上，在样本点云数据的每个点的初始权重与其对应的置信度负相关了一种可能的实现方式，请参考图9，在S107之前，点云数据分割模型训练方法还包括：进行多次训练,得到一个初步收敛的点云数据分割模型M1，该模型在测试集上的性能不会的方法搜索与更新低置信度标签数据类别,生成高质量的伪标签数据,利用已有标注数据[0109]处理单元201还用于根据标注结果从第一点云数据中确定用于作为训练样本的样[0113]在一种可能的实现方式中，训练单元202还用于基于第二点云数据和样本点云数[0115]在一种可能的实现方式中，处理单元201还用于将第一点云数据中的高置信度点[0116]在一种可能的实现方式中，处理单元201还用于将第一点云数据中的中置信度点[0117]在一种可能的实现方式中，处理单元201还用于从高置信度点为中心的预设区域负相关，处理单元201还用于分别依据样本点云数据中的每一个点对应的置信度确定初始[0121]在一种可能的实现方式中，训练单元202还用于依据第二点云数据对初始模型进[0124]下面提供一种电子设备，可以是计算机设备或服务器设备，该电子设备如图1所[0126]另外，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个