基于原型学习的弱监督点云实例分割模型训练方法及系统

本发明公开了基于原型学习的弱监督点云实例分割模型训练方法及系统，方法包括：获取训练点云场景集合；利用特征提取器得到超点特征；利用原型生成器生成初始的原型特征并优化原型特征和超点特征，得到更新后原型特征和更新后超点特征；计算原型特征之间的信息归一化对比估计损失，不断迭代，直至对比估计损失收敛，得到训练好的特征提取器和原型生成器；提取歧义区域的超点特征以及与歧义区域相关联的确定区域的原型特征，利用最优传输算法将歧义区域的超点分配到确定区域的原型，得到歧义区域超点的伪标签分配方案；将初始的确定区域伪标签和歧义区域伪标签分配方案相结合，得到全场景伪标签；本发明的优点在于：泛化能力强，训练难度低。