使用合成数据训练基于点的深度学习网络用于森林分割
计算机视觉与模式识别
2024-04-19 v2
摘要
近年来,通过无人机系统(UAS)进行遥感在林业中的应用日益增多,机器学习也被广泛用于数据处理。深度学习架构已广泛应用于自然语言和图像处理领域,近年来已扩展到点云领域。然而,用于训练和测试的点云数据集仍然有限。创建森林环境点云数据集成本高昂,需要高精度传感器,且由于需要人工进行点分类,因此非常耗时。此外,森林区域可能难以到达或对人类构成危险,进一步增加了数据采集的难度。因此,一个自然而然的问题是:能否使用合成数据来训练深度学习网络,而不必依赖大量真实森林数据。为回答这一问题,我们开发了一个真实感模拟器,以程序化方式生成合成森林场景。借助该模拟器,我们对多种面向森林分割的当前最优(point-based)深度学习网络进行了对比研究。利用所创建的数据集,我们评估了使用合成数据训练深度学习网络以对真实森林数据集点云进行分类的可行性。模拟器与数据集均作为本工作的成果一并发布。
引用
@article{arxiv.2403.14115,
title = {Training point-based deep learning networks for forest segmentation with synthetic data},
author = {Francisco Raverta Capua and Juan Schandin and Pablo De Cristóforis},
journal= {arXiv preprint arXiv:2403.14115},
year = {2024}
}
备注
15 pages, 4 figures. Submitted to the International Conference on Pattern Recognition (ICPR) 2024