基于深度残差网络与梯度优化的室内点云语义分割

作     者：杨颖 戴晨光 张英健 YANG Ying;DAI Chenguang;ZHANG Yingjian

作者机构：信息工程大学地理空间信息学院河南郑州450001 

基　　金：国防科技基金项目(2017-JCJQ-ZQ-006)资助 

出 版 物：《测绘与空间地理信息》 (Geomatics & Spatial Information Technology)

年 卷 期：2023年第46卷第8期

页      码：44-47,50页

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。

主 题 词：点云语义分割 残差网络 Dropout 批量归一化 

学科分类：083002[083002] 0830[工学-生物工程类] 081802[081802] 08[工学] 0818[工学-交通运输类] 081602[081602] 0816[工学-纺织类] 

D　O　I：10.3969/j.issn.1672-5867.2023.08.012

馆 藏 号：203123338...