首页|超体素约束下的主动再学习LiDAR点云分类框架

超体素约束下的主动再学习LiDAR点云分类框架

A supervoxel-based active relearning framework for LiDAR point clouds classification

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对点云分类的监督方法需要大量的训练样本、人工标注成本高的问题,本文提出了一种超体素约束下的主动再学习点云分类方法.首先,对点云进行特征提取;然后,通过超体素约束下的主动学习方法选择训练样本并进行人工标注;最后,利用再学习方法进行后处理,通过迭代计算类别统计特征不断优化分类结果.试验结果表明,相比于使用全部训练样本,超体素约束的主动学习方法可以在不足全部样本6％的情况下,达相同的分类精度,从而大幅度减少了人工标注成本,且经过再学习算法后进一步提高了分类精度.

谭玉慧、刘欣怡、张永军

展开 >

武汉大学遥感信息工程学院,湖北 武汉430079

点云分类 超体素 主动学习 再学习

国家自然科学基金

41871368

2022

测绘通报
测绘出版社

测绘通报

CSTPCDCSCD北大核心
影响因子：1.027
ISSN：0494-0911
年,卷(期)：2022.(5)
  • 6