摘要： 與2D圖像數(shù)據(jù)集相比，3D點云數(shù)據(jù)集的規(guī)模較小且表征性較差，容易導致神經(jīng)網(wǎng)絡出現(xiàn)過擬合和泛化能力差的問題。為此，提出一種點云自蒸餾(PointSD)框架，通過對表征形式不同的數(shù)據(jù)樣本進行學習，使網(wǎng)絡提取到原始點云數(shù)據(jù)中的更多特征信息，實現(xiàn)樣本之間的知識交互，在不增加額外計算負荷的情況下提升網(wǎng)絡的泛化能力，適用于不同規(guī)模的分類網(wǎng)絡模型?；谠摽蚣芴岢鲆环N點云抗腐敗訓練方法TND-... （共10頁）