使用 Atrous XCRF 解决点云分类中的过拟合问题
计算机视觉与模式识别
2019-10-09 v1
摘要
点云数据自动分类技术的进展为许多新兴与既有应用带来了巨大机遇。然而，在标注点数量有限的情况下，机器学习模型的自动分类容易出现过拟合与泛化能力差的问题。本文通过引入受控噪声（作用于已训练模型，由利用邻近特征的条件随机场相似性惩罚产生）来解决该问题。该方法称为 Atrous XCRF，其通过迫使已训练模型遵从由无标注数据提供的相似性惩罚来起作用。在使用 ISPRS 3D 标注数据集进行的基准研究中，我们的技术总体准确率达 84.97%，F1 分数达 71.05%。该结果与当前基准数据集上的最佳模型持平，且 F1 分数值最高。
引用
@article{arxiv.1902.03088,
title = {Addressing Overfitting on Pointcloud Classification using Atrous XCRF},
author = {Hasan Asyari Arief and Ulf Geir Indahl and Geir-Harald Strand and Håvard Tveite},
journal= {arXiv preprint arXiv:1902.03088},
year = {2019}
}