LGENet：面向机载激光扫描点云语义分割的局部与全局编码器网络
计算机视觉与模式识别
2020-12-21 v1
摘要
机载激光扫描（ALS）点云的解译是生成三维城市模型、数字地形模型和土地利用图等多种地理信息产品的关键步骤。本文提出一种用于ALS点云语义分割的局部与全局编码器网络（LGENet）。在适配KPConv网络的基础上，我们首先通过二维与三维点卷积提取特征，使网络能够学习更具代表性的局部几何结构。随后在网络中引入全局编码器，以在物体和点层级上利用上下文信息。我们设计了一种基于片段的边条件卷积（segment-based Edge Conditioned Convolution）来编码片段间的全局上下文。我们在网络末端应用空间-通道注意力模块，其不仅捕获点之间的全局相互依赖关系，还对通道间的交互进行建模。我们在两个ALS数据集上评估了所提方法，即ISPRS基准数据集和DCF2019数据集。在ISPRS基准数据集上，我们的模型取得了最先进的结果，总体精度为0.845，平均F1得分为0.737。对于DFC2019数据集，我们所提出的网络取得了0.984的总体精度和0.834的平均F1得分。
引用
@article{arxiv.2012.10192,
title = {LGENet: Local and Global Encoder Network for Semantic Segmentation of Airborne Laser Scanning Point Clouds},
author = {Yaping Lin and George Vosselman and Yanpeng Cao and Michael Ying Yang},
journal= {arXiv preprint arXiv:2012.10192},
year = {2020}
}
备注
Submitted to ISPRS Journal of Photogrammetry and Remote Sensing