基于插值一致性的半监督三维目标分类算法

针对有大量无标签数据与少量有标签数据的三维目标分类任务,提出了一种基于插值一致性的半监督三维目标分类算法。采用插值一致性训练(ICT)方式,使少量有标签样本经过分类网络得到的预测值更接近真实值,并激励无标记点处插值的预测与这些点处预测的插值趋于一致。该训练方式使得决策边界移至数据分布的低密度区域,进而提高小样本数据情形下的分类效果。在公开数据集ModelNet10上进行了分类效果测试,识别精度达到93.92%。实验结果表明,该算法能够充分利用少量标签数据与大量无标签数据,有效地完成识别分类任务。