文献

J-GLOBAL ID：202202221057710594   整理番号：22A0397583

点雲の意味ラベリングのためのカラー植生指数を持つマルチスケール畳込みニューラルネットワーク【JST・京大機械翻訳】

A Multiscale Convolutional Neural Network With Color Vegetation Indices for Semantic Labeling of Point Cloud

著者 (4件)： Zhang Hua (School of Environment and Spatial Informatics, China University of Mining and Technology, Xuzhou, China) ,  Ren Kai (School of Environment and Spatial Informatics, China University of Mining and Technology, Xuzhou, China) ,  Zheng Nanshan (School of Environment and Spatial Informatics, China University of Mining and Technology, Xuzhou, China) ,  Hao Ming (School of Environment and Spatial Informatics, China University of Mining and Technology, Xuzhou, China)
資料名： IEEE Geoscience and Remote Sensing Letters  (IEEE Geoscience and Remote Sensing Letters)
巻： 19  ページ： ROMBUNNO.6501705.1-5  発行年： 2022年 
JST資料番号： W1397A  ISSN： 1545-598X  CODEN： IGRSBY  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： このレターは,3Dモデルにおけるポイントクラウドの意味ラベリングのためのカラー植生指数(MCCNN)を有するマルチスケール畳込みニューラルネットワークを提示する。最初に,色の植生指数をRGB情報で各点に対して計算した。第2に,古典的点畳込みニューラルネットワーク(CNN)に基づいて,カーネルKの異なった畳込みを設定することによって,各点の周りの異なるサイズの空間コンテキストを通してマルチスケール情報を組み込むために,新しいマルチスケールネットワークを設計し,次に,異なる畳み込み層によって作り出されるマルチスケール特徴を,凝集して,非サンプリングした。最後に,完全接続層とソフトマックス分類器により,各ポイントをラベル付けした。2つの異なるデータセット,セマンティック3DとVaihingen3Dを用いて,提案した方法の性能を評価し,結果を他の既存の手法によって生成された結果と比較した。実験結果は,提案方法がセマンティック3Dに関する全体的精度に関して84.5%とVaihingen3Dに関して85.2%を達成して,それは考察した方法の中で最も高いことを示した。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *畳込み ,  *ネットワーク ,  三次元 ,  三次元モデル
準シソーラス用語： *マルチスケール ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (7件)： 点雲 ,  意味 ,  ラベリング ,  カラー ,  植生指数 ,  マルチスケール ,  畳込みニューラルネットワーク