点云分类的数据增强策略
•
2024-05-14 14:56:31
摘要 点云分类任务存在数据不足的问题，而数据增强是缓解这一问题的有效方法。然而，传统的基于几何的点云增强策略效果不足。在基于混合的增强策...
点云分类任务存在数据不足的问题，而数据增强是缓解这一问题的有效方法。然而，传统的基于几何的点云增强策略效果不足。在基于混合的增强策略中，使用点的比例作为软标签的权重，这是不合理的，因为点的数量并不总是准确地代表特征的重要性。
为了解决这些问题，应向华领导的研究团队于2024年3月12日在高等教育出版社和施普林格·自然联合出版的《计算机科学前沿》上发表了他们的新研究。
该团队提出了一种名为 FPSMix 的新颖的基于混合的点云增强策略，以及一种新颖的基于重要性的点云分类损失。这些方法实现了与最先进的方法相当的分类精度，并且可以与其他数据增强方法结合使用，例如传统的数据增强和 PointCutMix。广泛的消融研究表明，所提出的方法可以与现有方法无缝结合，以增强基线模型的稳健性。
版权声明：本文由用户上传，如有侵权请联系删除！
标签：