BriefGPT - AI 论文速递
·
弱点注释下的领域自适应突触检测
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文提出了一种基于深度学习的弱监督ALS点云语义分割框架，利用潜在信息提高分类性能。该方法在ISPRS 3D Labeling Vaihingen数据集上只使用0.1%的标记，达到了83.0%的总体精度和70.0%的平均F1分数，相较于只使用稀疏标记信息的模型，提高了6.9%和12.8%。
🎯
关键要点
-
提出了一种基于深度学习的弱监督ALS点云语义分割框架。
-
该框架利用潜在信息提高分类性能，适用于不完整和稀疏标记的未标记数据。
-
通过熵正则化、一致性约束和在线软伪标记策略显著提高了分类性能。
-
该方法在ISPRS 3D Labeling Vaihingen数据集上只使用0.1%的标记。
-
达到了83.0%的总体精度和70.0%的平均F1分数。
-
相较于只使用稀疏标记信息的模型，性能提高了6.9%和12.8%。
🏷️
