《表3 不同网络的分类精度和计算时间比较》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《MLMS-Net:多层次多尺度点云分类网络》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

采用本文网络、IIS＿1网络[12]、HM＿1网络[4]、UM网络[6]、LUH网络[1]、BIJ＿W网络[22]、WhuY3网络[7]和NANJ2网络[21]对Vaihingen数据集进行分类，结果如表3所示。由表3可知：ISS＿1网络的分类效果较差，这是因为该网络将点云体素化，丢失了过多点云原始特征；HM＿1网络、UM网络时间开销小，这是因为网络使用了机器学习进行分类，但由于该种网络只使用了点云结构特征进行分类，因此分类准确性较低；BIJ＿W网络、WhuY3网络、NANJ2网络以及本文网络都引入神经网络进行深层特征提取，本文网络在分类性能上优于其他网络，并且时间开销相对于BIJ＿W网络减少了16.7s，主要是由于本文使用点云原始数据作为输入，未转化为网格和图像。综上所述，本文所提出的MLMS-Net网络可以在保证时间开销的前提下有效提高点云的分类精度。