高速公路典型要素语义分割深度学习模型适用性分析 |
| |
引用本文: | 贾洋,李升甫,周城宇,南轲,许濒支.高速公路典型要素语义分割深度学习模型适用性分析[J].北京测绘,2022(10):1365-1369. |
| |
作者姓名: | 贾洋 李升甫 周城宇 南轲 许濒支 |
| |
作者单位: | 1. 四川省公路规划勘察设计研究院有限公司;2. 西南交通大学地球科学与环境工程学院 |
| |
摘 要: | 通过对比评估了目前主流的深度学习点云语义分割的网络模型PointNet、PointNet++及RandLA-Net,在高速公路场景下的语义分割性能和效果,最后选择性能最优的RandLA-Net网络模型进行超过5 km高速公路基础要素的语义分割实验,结果表明,RandLA-Net网络模型可以较好地实现高速公路场景的激光点云语义分割,总体精度达90.53%,满足现阶段高速公路场景数字化应用的信息识别精度要求。
|
关 键 词: | 高速公路要素 语义分割 深度学习 模型适用性 |
|
|