基于深度残差网络与梯度优化的室内点云语义分割 |
| |
引用本文: | 杨颖戴晨光张英健.基于深度残差网络与梯度优化的室内点云语义分割[J].测绘与空间地理信息,2023(8):44-47. |
| |
作者姓名: | 杨颖戴晨光张英健 |
| |
作者单位: | 1.信息工程大学地理空间信息学院450001; |
| |
基金项目: | 国防科技基金项目(2017-JCJQ-ZQ-006)资助。 |
| |
摘 要: | 三维点云语义分割是大型场景点云数据理解和分析的关键步骤之一。为实现室内场景点云更高精度的分割,提出一种基于深度残差网络与梯度优化的语义分割方法(DRN-GO),通过加深集抽象模块与特征传递模块的层数,加强对点云的特征学习,并在网络层之间引入残差网络进行特征链接。为防止网络层次的增加导致模型过拟合,在编解码后的全连接层部分加入Dropout结构,并在每层网络输入前对数据进行批量归一化处理,从而确保模型的稳定性。本文选用斯坦福大型室内数据集S3DIS设计实验,结果表明,DRN-GO方法相比PointNet++在精度上得到了大幅度提升。
|
关 键 词: | 点云语义分割 残差网络 Dropout 批量归一化 |
本文献已被 维普 等数据库收录! |
|