《表4 Model Net40数据集效果对比》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于插值一致性的半监督三维目标分类算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

表3与表4分别列出了本文提出的半监督三维分类模型在Model Net10和Model Net40数据集不同标签比例下的准确率。在所有半监督算法的实验中，为了得到监督损失，对有标签样本及其标签进行了插值。为了确保半监督算法的有效性不仅仅是由于混合操作，在表3和表4中也提供了三维插值一致训练与监督训练和监督混合训练的直接比较。监督算法为仅输入有标签数据的骨干分类网络。表3与表4中，对于Model Net数据集，输入100与200个有标签数据时监督算法的骨干网络仅仅使用了普通的卷积和池化操作，并没有在纹理缺失和分辨率低的情况下充分提取三维结构特征。而三维插值一致性训练算法能够充分提取大量无标签数据输入分布的附加结构特征，分类准确率比监督算法提高了约2%。当提高有标签数据与无标签数据的比例时，三维一致性训练算法相对于监督算法准确率的提升明显减少。利用info GAN生成的三维体素模型作为无标签数据输入时，三维一致性训练算法的准确率再次提升。