一种基于样本挖掘的语义场景补全的网络模型

本发明公开了一种基于样本挖掘的语义场景补全的网络模型，涉及语义场景补全技术领域，利用CNN网络从点云数据中提取点特征，并将点特征映射到三维网络中，生成体素特征；依据体素特征全局困难度识别结果动态选取体素样本，针对选取的困难体素样本训练，输出细粒度体素特征的预测结果；利用教师模型的历史预测作为软标签，引导学生模型学习教师模型的预测；通过语义场景补全损失、困难样本挖掘损失以及自蒸馏损失确定网络模型的总损失；基于网络模型的总损失对网络模型的参数进行迭代更新。充分探索语义场景补全和困难样本确定之间的相关性，使这两个任务能够相互促进，实现高性能的语义场景补全效果。