基于深度学习的从机载激光雷达数据预测植被层占据度
计算机视觉与模式识别
2022-01-21 v1
摘要
我们提出一种基于深度学习的新方法，用于从机载三维 LiDAR 点云估计植被层的占据度。我们的模型为对应低、中、高覆盖的三个植被层预测栅格化占据图。我们的弱监督训练方案使网络仅以包含数千个点的圆柱形样方上聚合的植被占据度值作为监督。此类真值比逐像素或逐点标注更易制作。我们的方法在精度上比较手工设计与深度学习基线最高提升 30%，同时提供可视化且可解释的预测。我们提供了开源实现以及包含 199 个农业样方的数据集，用于训练和评估弱监督占据度回归算法。
引用
@article{arxiv.2201.08051,
title = {Predicting Vegetation Stratum Occupancy from Airborne LiDAR Data with Deep Learning},
author = {Ekaterina Kalinicheva and Loic Landrieu and Clément Mallet and Nesrine Chehata},
journal= {arXiv preprint arXiv:2201.08051},
year = {2022}
}