基于空洞卷积胶囊网络的激光雷达数据分类
激光雷达(LiDAR)作为获取地物物理属性的一种重要技术手段,被广泛应用于分类研究中.针对传统卷积神经网络中标量神经元无法表达特征位置信息,以及图像经过连续池化和降采样后出现空间分辨率下降、细节信息丢失这两个问题,提出胶囊网络和空洞卷积相结合的LiDAR数据分类算法.该算法以残差网络架构为基础,首先将LiDAR数据输入深度卷积神经网络中进行特征粗提取,然后采用奇偶混合扩张率的空洞卷积增大训练中特征图的感受野,同时捕获精细特征,最后通过胶囊网络进一步提取更详细的空间特征信息并进行分类输出.实验结果表明,所提方法在Bayview Park和Recology两个数据集上分别取得了 97.07％和96.98％的总体分类精度,与其他7种分类算法相比具有更好的分类效果,由此证明所提方法可以提升LiDAR数据的分类性能.
遥感、激光雷达、深度学习、残差网络、空洞卷积、胶囊网络
48
TP391(计算技术、计算机技术)
国家自然科学基金61671190
2021-08-25（万方平台首次上网日期，不代表论文的发表时间）
共13页
180-192
