[發(fā)明專利]一種基于幾何可解釋性的點(diǎn)云生成方法有效
| 申請(qǐng)?zhí)枺?/td> | 202110731635.9 | 申請(qǐng)日: | 2021-06-30 |
| 公開(公告)號(hào): | CN113313834B | 公開(公告)日: | 2022-08-05 |
| 發(fā)明(設(shè)計(jì))人: | 李革;張若楠 | 申請(qǐng)(專利權(quán))人: | 北京大學(xué)深圳研究生院 |
| 主分類號(hào): | G06T17/20 | 分類號(hào): | G06T17/20 |
| 代理公司: | 北京京萬通知識(shí)產(chǎn)權(quán)代理有限公司 11440 | 代理人: | 萬學(xué)堂;王躍交 |
| 地址: | 518055 廣東省深圳*** | 國省代碼: | 廣東;44 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 一種 基于 幾何 解釋性 生成 方法 | ||
1.一種基于幾何可解釋性的點(diǎn)云生成方法,其特征在于,包括以下步驟:
S1.點(diǎn)云隱表達(dá)學(xué)習(xí)訓(xùn)練:用基礎(chǔ)的點(diǎn)云自編碼器網(wǎng)絡(luò)來進(jìn)行學(xué)習(xí),得到點(diǎn)云隱表達(dá);
S2.點(diǎn)云隱表達(dá)的概率分布學(xué)習(xí):用最優(yōu)傳輸理論在幾何視角下的方法進(jìn)行建模學(xué)習(xí)訓(xùn)練得到隨機(jī)概率分布到隱表達(dá)概率分布的傳輸映射圖;
由構(gòu)建伯努利勢(shì)能來實(shí)現(xiàn)映射圖T,包括以下步驟;
1)構(gòu)建超平面:其中,x為源域中的點(diǎn)云,i代表第i個(gè)點(diǎn)云,z為目標(biāo)域隱表達(dá)分布下的特征點(diǎn),zi為第i個(gè)點(diǎn)云的特征點(diǎn),π是超平面,h為超平面的高度向量,hi為第i個(gè)點(diǎn)云對(duì)應(yīng)的超平面高度向量,其滿足其為所構(gòu)造的凸能量函數(shù)的唯一最優(yōu)值,通過該能量函數(shù)的梯度下降方法即公式(3)來進(jìn)行優(yōu)化:
E(h)'=(υi-wi(h))T (3)
其中υ為目標(biāo)域的測(cè)度,由于最優(yōu)傳輸當(dāng)中是保測(cè)度的,w為源域點(diǎn)云x對(duì)應(yīng)的包腔分解下的一個(gè)包腔的面積,υi代表第i個(gè)點(diǎn)云的目標(biāo)域測(cè)度,wi則對(duì)應(yīng)第i個(gè)點(diǎn)云所屬的包腔面積;
2)根據(jù)公式(4)來計(jì)算所構(gòu)造伯努利勢(shì)能u(x)的上包絡(luò),其為所構(gòu)造超平面的最大值集合,集合上來看,能量函數(shù)E(h)即為包絡(luò)下方的體積
u(x)=max{x,zi+hi} (4);
3)計(jì)算伯努利勢(shì)能u(x)的功率圖,即其的梯度公式(3),將損失函數(shù)c(x,T(x))設(shè)置為二次方歐式距離,即公式(5),其中T(x)為最終獲得的映射圖,
c(x,T(x))=0.5||x-T(x)||2 (5)
4)通過保測(cè)度條件來不斷調(diào)整高度h,使用Adam優(yōu)化器優(yōu)化公式(3),得到最小化凸能量函數(shù)的取值;
最后,得到映射圖T=h;以及
S3.新的點(diǎn)云實(shí)例生成:使用S2中學(xué)習(xí)到的傳輸映射圖構(gòu)建新的點(diǎn)云生成,包括:
去除模式混淆的樣例:設(shè)置角閾值為0.7,將大于角閾值的平面共線的點(diǎn)去除掉,即去除模式混淆的情況;
生成新的點(diǎn)云實(shí)例:使用幾何思路,將隱表達(dá)分布表示為幾何當(dāng)中的單純復(fù)合體,每個(gè)單純體為一類當(dāng)中的點(diǎn),一個(gè)單純復(fù)合體為一個(gè)類當(dāng)中的樣本;根據(jù)所生成的傳輸映射圖,隨機(jī)一個(gè)種子到映射當(dāng)中,即:得到其最近鄰的單純體,利用單純體當(dāng)中的頂點(diǎn),按照一定權(quán)值來生成新的點(diǎn)云。
2.根據(jù)權(quán)利要求1所述的基于幾何可解釋性的點(diǎn)云生成方法,其特征在于,在步驟S1中,確定一種點(diǎn)云隱表達(dá)的學(xué)習(xí),并進(jìn)行訓(xùn)練得到點(diǎn)云的隱表達(dá),所述點(diǎn)云的隱表達(dá)是低維緊實(shí)的特征表達(dá)或嵌入在低維的流形,使用點(diǎn)云自編碼器來訓(xùn)練實(shí)現(xiàn),其中,公式(1)為最小化解碼器生成的點(diǎn)云的損失函數(shù),
其中φ分別為自編碼器中的編碼器和解碼器,μ為源域點(diǎn)云x的分布空間,其中損失函數(shù)為點(diǎn)云常用距離函數(shù);在完成訓(xùn)練之后,通過所述點(diǎn)云編碼器得到所述點(diǎn)云隱表達(dá)以及其對(duì)應(yīng)的分布。
3.根據(jù)權(quán)利要求1所述的基于幾何可解釋性的點(diǎn)云生成方法,其特征在于,在步驟S2中,通過構(gòu)建伯努利勢(shì)能來優(yōu)化得到均勻分布/隨機(jī)分布到隱表達(dá)分布的映射圖。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于北京大學(xué)深圳研究生院,未經(jīng)北京大學(xué)深圳研究生院許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請(qǐng)聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202110731635.9/1.html,轉(zhuǎn)載請(qǐng)聲明來源鉆瓜專利網(wǎng)。
- 用于媒體分類的方法和服務(wù)器
- 一種解釋性主成分分析方法
- 一種基于屬性學(xué)習(xí)的手指靜脈識(shí)別方法及裝置
- 可解釋性競(jìng)爭(zhēng)對(duì)手建模方法
- 一種基于梯度的圖神經(jīng)網(wǎng)絡(luò)可解釋性分析方法
- 一種兼顧可解釋性的網(wǎng)絡(luò)虛假評(píng)論的自動(dòng)識(shí)別方法及系統(tǒng)
- 一種基于矩陣分解的事后可解釋性推薦方法及裝置
- 一種文本分類模型可解釋性方法的性能評(píng)價(jià)方法及裝置
- 一種面向深度神經(jīng)網(wǎng)絡(luò)可解釋性的可視分析系統(tǒng)
- 具有可解釋性的腎臟腫瘤識(shí)別方法及成像方法





