基于集成卷积神经网络的LiDAR数据分类
针对人工设计的中低层特征难以对LiDAR数据进行高精度分类以及泛化性能较低等问题,提出了一种基于集成卷积神经网络的LiDAR数据分类方法.它是基于深度学习模型与随机子空间的集成学习框架.通过有放回的随机抽取LiDAR训练集构成子集,以深度卷积神经网络模型为单个子分类器,最后采用多数投票法确定最终样本的类别,以获得更好的分类精度.实验结果表明,所提方法在Bayview Park和Houston两个数据集上分别取得了93.31%和80.95%的总体分类精度,与其他3种分类算法相比具有更好的分类效果,由此证明该网络在拥有较高分类精度的同时还具有良好的泛化能力.
LiDAR、图像分类、深度学习、卷积神经网络、集成学习
26
TP391(计算技术、计算机技术)
国家自然科学基金61671190
2021-09-22(万方平台首次上网日期,不代表论文的发表时间)
共8页
138-145