文献

J-GLOBAL ID：202202252838561967   整理番号：22A0480651

3D散乱点雲分類のための適応近傍サイズと有効幾何学的特徴選択【JST・京大機械翻訳】

Adaptive neighborhood size and effective geometric features selection for 3D scattered point cloud classification

著者 (1件)： Guenen Mehmet Akif (Department of Geomatics Engineering, Engineering Faculty, Erciyes University, 38039, Kayseri, Turkey)
資料名： Applied Soft Computing  (Applied Soft Computing)
巻： 115  ページ： Null  発行年： 2022年 
JST資料番号： W2175A  ISSN： 1568-4946  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 3D散乱と非組織化点雲(PC)の分類は,PCの高い冗長性,不均衡サンプリング密度,および大きなデータ構造のため,進行中のハード問題である。PCに由来する幾何学的およびスペクトル的特徴は,分類のために一般的に使用されている。本論文では,局所近傍における各個々の点に対する幾何学的特徴の抽出のために,Omni分散ベース適応近傍サイズ選択法および14特徴から成る新しい特徴集合を提案した。Oakland,Vaihingen,およびISPRSデータセットについて,異なる戦略(すなわち,ブースティング,アンサンブル,および深層学習など)を有する8つの現代分類器の性能を評価した。これらの3つのデータセットは,それぞれ5,9,および2つの異なるオブジェクトクラスによって同定される。結果を,異なる近隣サイズ選択法(すなわち,固有エントロピーベース,k最近傍の固定数)および特徴集合(すなわち,21の特徴)と比較した。3D局所特徴のみを用いて,様々な特性と性質を有するデータセットを分類した。提案した最適近傍選択法と特徴集合は,Auto-Encoder分類器による最良の統計的結果を提供した(全体の精度はそれぞれ85%,60%,および90%,Oakland,Vaihingen,およびISPRSデータセット)。特に,ISPRSデータセットでは,自動エンコーダは,それぞれ94%,90%,および93%の精度,想起,およびfスコアを得た。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *散乱 ,  冗長性 ,  データ構造 ,  スペクトル ,  符号器 ,  *三次元
準シソーラス用語： ブースティング ,  オブジェクトクラス ,  局所特徴 ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (4件)： 点雲分類 ,  近傍サイズ選択 ,  幾何学的特徴ベクトル ,  自動エンコーダ

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (8件)： 3D ,  散乱 ,  点雲 ,  分類 ,  適応 ,  近傍 ,  サイズ ,  幾何学的特徴