《表3 分类结果的精度/召回率和准确度Table 3 The precision/recall and accuracy of the classification results》
%
为测试稀疏编码特征,本文以机载LiDAR点云为例,对场景2(表1),采用Zhang等[45]的方法进行验证,并与矢量量化[12]及深度学习特征[38]进行对比(表3、图2,彩图见封2)。Zhang等[45]的方法通过构建多层次对象,并采用显著性字典的方式进行点集稀疏编码特征的表达;矢量量化的方法[12]在多层次对象的基础上,通过结合BoW(Bag of Words)和LDA表达点集的特征,并采用AdaBoost分类器对未知点云进行分类,字典通过K-means方法训练得到,每个基于点的特征采用矢量量化的方式进行表达,进而聚合成多层次点集特征;深度学习特征[38]主要通过多层感知机(Multi-Layer Perceptron,MLP)提取各个点的深度学习特征,并用于点云分类中。由图2和表3的结果可知,稀疏编码特征优于矢量量化特征。此外,由于深度学习特征受训练样本数量的限制,稀疏编码特征在场景2中的分类结果优于基于单点深度学习特征的结果。
图表编号 | XD0015253100 严禁用于非法目的 |
---|---|
绘制时间 | 2018.07.01 |
作者 | 张振鑫、刘艺博、陈动、张立强、钟若飞、徐宗霞、韩友美 |
绘制单位 | 首都师范大学北京成像技术高精尖创新中心、首都师范大学资源环境与旅游学院、首都师范大学三维数据获取与应用重点实验室、首都师范大学北京成像技术高精尖创新中心、首都师范大学资源环境与旅游学院、首都师范大学三维数据获取与应用重点实验室、南京林业大学土木工程学院、北京师范大学遥感科学国家重点实验室、首都师范大学北京成像技术高精尖创新中心、首都师范大学资源环境与旅游学院、首都师范大学三维数据获取与应用重点实验室、首都师范大学北京成像技术高精尖创新中心、首都师范大学资源环境与旅游学院、首都师范大学三维数据获取与应用重点 |
更多格式 | 高清、无水印(增值服务) |
查看“表3 分类结果的精度/召回率和准确度Table 3 The precision/recall and accuracy of the classification results”的人还看了
- 表2 数据集2在不同检索数量下的精确率和召回率比较Table 2 Comparison of accuracy and recall rates of dataset 2in different retrieval quantity