發(fā)布時(shí)間：2021-01-13 18:49

　　本文探索了將基于圖模型的卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用于不規(guī)則的點(diǎn)云數(shù)據(jù)的方法。本文概括總結(jié)了點(diǎn)云數(shù)據(jù)的特點(diǎn),綜述了目前在不規(guī)則的深度學(xué)習(xí)方法。通過(guò)對(duì)比各種模型,本文選定了基于圖模型的卷積神經(jīng)網(wǎng)絡(luò)作為基礎(chǔ)模型,并且在此基礎(chǔ)上提出了與邊特征相關(guān)圖模型擴(kuò)散卷積形式以及結(jié)構(gòu)保持的池化形式。這種新的卷積與池化形式能夠從數(shù)據(jù)中學(xué)習(xí)到有效、泛化能力較強(qiáng)的特征。在具有較高的特征表達(dá)能力的同時(shí),這兩種形式需要較少的參數(shù)與計(jì)算量。通過(guò)組合這兩種基本操作,本文設(shè)計(jì)了一種新型基于圖模型的卷積神經(jīng)網(wǎng)絡(luò),簡(jiǎn)稱為PGNet,并且將其應(yīng)用于點(diǎn)云數(shù)據(jù)的語(yǔ)義分割。PGNet以緊湊的模型,較小的計(jì)算復(fù)雜度得到了魯邦性、泛化能力較強(qiáng)的特征。為了驗(yàn)證模型的有效性,本文在三份標(biāo)準(zhǔn)公開(kāi)數(shù)據(jù)集S3DIS、ScanNet、Semantic3D.Net上進(jìn)行了測(cè)試。在所有數(shù)據(jù)集上,PGNet均達(dá)到或超過(guò)了當(dāng)前已有模型的精確度與召回率。實(shí)驗(yàn)結(jié)果表明,PGNet具有較好的泛化能力,能夠從訓(xùn)練數(shù)據(jù)中學(xué)習(xí)到有效的特征進(jìn)行予以語(yǔ)義分割。 

【文章來(lái)源】：武漢大學(xué)湖北省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：57 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖１．１：三維語(yǔ)義識(shí)別的廣泛應(yīng)用??

圖１．２：不同傳感器的價(jià)格??

圖１．３：本文研究目標(biāo)設(shè)計(jì)深度學(xué)習(xí)模型進(jìn)行點(diǎn)云語(yǔ)義分割??

【參考文獻(xiàn)】：
期刊論文
[1]車載激光掃描數(shù)據(jù)中多類目標(biāo)的層次化提取方法[J]. 董震,楊必勝.  測(cè)繪學(xué)報(bào). 2015(09)
[2]標(biāo)記點(diǎn)過(guò)程用于點(diǎn)云建筑物提取[J]. 徐文學(xué),楊必勝,董震,彭向陽(yáng),麥曉明,王珂,高文武.  武漢大學(xué)學(xué)報(bào)(信息科學(xué)版). 2014(05)
[3]從車載激光掃描數(shù)據(jù)中提取復(fù)雜建筑物立面的方法[J]. 楊必勝,董震,魏征,方莉娜,李漢武.  測(cè)繪學(xué)報(bào). 2013(03)



本文編號(hào)：2975383