基于深度残差网络与梯度优化的室内点云语义分割

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Point-Net++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

所属期刊栏目：46

分类号：P237(摄影测量学与测绘遥感)

资助基金：国防科技基金项目2017-JCJQ-ZQ-006

在线出版日期：2023-09-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：44-47,50