一种无监督域适应的点云学习方法

本发明提供的无监督域适应的点云学习方法利用Mean Teacher和半监督学习的优势，从标记的源数据集转移知识至未标记的目标数据集，通过引入源域学习的软分类损失和目标域学习的一致性损失，无监督域适应的点云学习方法可以自然地监督学生模型，并提高其鲁棒性；此外，该方法通过自我集成技术弥合受监督和无监督表示学习之间的域差距，从而提高整个网络的泛化能力和预测性能。