[发明专利]点云分类模型训练方法、装置、电子设备和存储介质

权利要求书

1.一种点云分类模型训练方法，包括：

获取教师模型，其中，所述教师模型通过训练第一初始点云分类模型而得到，其中，所述第一初始点云分类模型包括依次连接的第一特征提取网络和全连接网络；

将多个点集分别输入所述教师模型中，得到与每个所述点集分别对应的概率数组，其中，每个所述点集用于表征三维图像预设区域内点的集合；以及

以多个所述概率数组为标签，使用所述多个点集训练第二初始点云分类模型，得到目标点云分类模型，其中，所述第二初始点云分类模型包括依次连接的第二特征提取网络和所述全连接网络，其中，所述第二特征提取网络的规模小于所述第一特征提取网络的规模。

2.根据权利要求1所述的方法，还包括：

对多个所述概率数组进行泛化处理，得到多个第一概率数组；

其中，所述以所述多个概率数组为标签，使用所述多个点集训练第二初始点云分类模型，得到目标点云分类模型，包括：

以所述多个第一概率数组为标签，使用所述多个点集训练第二初始点云分类模型，得到目标点云分类模型。

3.根据权利要求2所述的方法，其中，所述对所述多个概率数组进行泛化处理，得到多个第一概率数组，包括：

根据预设概率从所述多个概率数组中选择目标概率数组；

对所述目标概率数组按扰动比率增加扰动；以及

遍历多个所述概率数组，得到多个所述第一概率数组。

4.根据权利要求3所述的方法，其中，所述扰动比率遵循标准正态分布。

5.根据权利要求1或2所述的方法，其中，所述使用所述多个点集训练第二初始点云分类模型，得到目标点云分类模型，包括：

获取模型训练参数，其中，所述模型训练参数包括批训练数据量和预设收敛阈值；

基于所述批训练数据量，确定训练数据和所述训练数据的标签，其中，所述训练数据的标签为所述训练数据对应的所述概率数组或第一概率数组；

将所述训练数据输入第二初始点云分类模型中，得到第二概率数组；

基于所述标签与所述第二概率数组，使用损失函数计算得到损失值；以及

在所述损失值小于或等于所述预设收敛阈值的情况下，得到所述目标点云分类模型。

6.根据权利要求5所述的方法，其中，所述损失函数包括均方误差损失函数。

7.一种点云分类模型训练装置，包括：

获取模块，用于训练第一初始点云分类模型，得到教师模型，其中，所述第一初始点云分类模型包括依次连接的第一特征提取网络和全连接网络；

第一处理模块，用于将多个点集分别输入所述教师模型中，得到与每个所述点集分别对应的概率数组，其中，每个所述点集用于表征三维图像预设区域内点的集合；以及

训练模块，用于以多个所述概率数组为标签，使用所述多个点集训练第二初始点云分类模型，得到目标点云分类模型，其中，所述第二初始点云分类模型包括依次连接的第二特征提取网络和所述全连接网络，其中，所述第二特征提取网络的规模小于所述第一特征提取网络的规模。

8.一种电子设备，包括：

一个或多个处理器；

存储器，用于存储一个或多个指令，

其中，当所述一个或多个指令被所述一个或多个处理器执行时，使得所述一个或多个处理器实现权利要求1至6中任一项所述的方法。

9.一种计算机可读存储介质，其上存储有可执行指令，所述可执行指令被处理器执行时使处理器实现权利要求1至6中任一项所述的方法。

10.一种计算机程序产品，所述计算机程序产品包括计算机可执行指令，所述计算机可执行指令在被执行时用于实现权利要求1至6中任一项所述的方法。