-
公开(公告)号：CN117237626A
公开(公告)日：2023-12-15
申请号：CN202311081581.1
申请日：2023-08-25
Applicant: 桂林电子科技大学
IPC: G06V10/26 , G06V10/762 , G06V10/774 , G06V10/40 , G06V10/82
Abstract: 本发明涉及点云处理技术领域，具体涉及一种面向深度学习的长尾分布点云重采样方法，以PointNet++为基础，构建网络SE‑PointNet++用于机载LIDAR点云高精度语义分割并能有效适应长尾分布，创新之处在于设计FPS聚类采样过程，最大程度保留尾类样本并通过循环赋权方式使每类样本均能被网络充分学习，从而有助于在保证头类目标分割性能的同时尽可能提高尾类目标分割精度。本发明通过顾及长尾分布的FPS聚类点云采样进一步改善PointNet++点云语义分割性能，解决了传统PointNet++系列网络模型在点云采样阶段并未充分考虑长尾分布问题，避免了在训练过程倾向于牺牲少数类分割精度的现象。
Search Results
1
records
(took 0.018 seconds)
筛选
AND
AND
过滤
NOT
NOT
Scan to Join
