基于深度残差网络与梯度优化的室内点云语义分割

作者：杨颖; 戴晨光^*; 张英健

来源：测绘与空间地理信息, 2023, 46(08): 44-50.

• 点云语义分割
• 残差网络
• Dropout
• 批量归一化

三维点云语义分割是大型场景点云数据理解和分析的关键步骤之一。为实现室内场景点云更高精度的分割，提出一种基于深度残差网络与梯度优化的语义分割方法(DRN-GO),通过加深集抽象模块与特征传递模块的层数，加强对点云的特征学习，并在网络层之间引入残差网络进行特征链接。为防止网络层次的增加导致模型过拟合，在编解码后的全连接层部分加入Dropout结构，并在每层网络输入前对数据进行批量归一化处理，从而确保模型的稳定性。本文选用斯坦福大型室内数据集S3DIS设计实验，结果表明，DRN-GO方法相比PointNet++在精度上得到了大幅度提升。

• 单位
  信息工程大学地理空间信息学院