一种基于相关性增强的弱监督点云语义分割方法

本发明公开了一种基于相关性增强的弱监督点云语义分割方法，将下采样后的数据使用Stratified编码器进行特征提取，Stratified编码器通过分层的Transformer结构捕捉点云的局部和全局特征。之后将获得的特征输入到一个类别关联矩阵模块，通过计算获取相关性矩阵，本发明涉及计算机视觉技术领域。该基于相关性增强的弱监督点云语义分割方法，利用MLP操作丰富相关性矩阵的表示，将相关性增强操作堆叠多次，最后得到每个点的最终特征表示，使得模型通过增强的相关性信息在有标签的数据和无标签的数据之间进行有效的传播。在弱监督的环境下，该方法能够有效地从有限的标注数据中学习并泛化到未见过的数据，从而提高点云语义分割的性能。