基于隐私保护的联邦少样本学习的点云数据分类方法

摘要

本发明公开了基于隐私保护的联邦少样本学习的点云数据分类方法，通过构建点云数据分类的本地模型，并基于获取的一组点云数据进行分类训练，将得到的本地模型参数传输至全局服务器，全局服务器结合其他节点的参数进行聚合，得到全局模型参数，基于全局模型参数更新本地模型参数；其中，本地模型通过嵌入层对点云数据支持集和查询集进行特征提取，将分别得到的局部原型特征和局部查询特征，通过注意力机制进行自适应地数据信息增强，得到注意力参数，基于注意力参数更新局部特征，全局服务器对各本地节点更新的局部特征进行聚合与分配，本地节点根据分配的全局特征，通过可学习层进行本地模型的分类预测。