《表2 Semantic 3D数据集的各类别IoU》
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
《基于多尺度特征和PointNet的LiDAR点云地物分类方法》
%
表1展示了不同放大因子s下多尺度以及单一尺度的分类结果,实验在Semantic 3D数据集上进行。对于点云数据,多尺度空间相较于单尺度空间具有明显的优势,选取的尺度过大时,会增加运算复杂度、降低分类精度。表2展示了所提算法和文献[22]算法、文献[23]算法、文献[24]算法在Semantic 3D数据集上8个类别(路面、草地、树木、灌木、建筑物、人造物、扫描伪影、车辆)的IoU和平均IoU值,所提算法在IoU平均值和大部分类别的IoU上优于其他神经网络。表3对所提算法和其他算法在Semantic 3D数据集上的平均IoU值和整体分类精度上进行了比较,并列出了各算法的时间消耗,所提算法的分类精度均高于其他算法。
图表编号 | XD0034840100 严禁用于非法目的 |
---|---|
绘制时间 | 2019.03.10 |
作者 | 赵中阳、程英蕾、释小松、秦先祥、李鑫 |
绘制单位 | 空军工程大学信息与导航学院、空军工程大学信息与导航学院、空军工程大学信息与导航学院、空军工程大学信息与导航学院、东北电力大学理学院 |
更多格式 | 高清、无水印(增值服务) |