具有明显领域偏移的地理空间点云语义分割的测试时适应
原文中文,约300字,阅读约需1分钟。发表于: 。域自适应和测试时间自适应是本文的主要研究内容,针对点云语义分割,在不重新训练或微调的情况下,通过引入三种不同的领域转换范例和一种逐步更新 BN 统计的方法,以及最大化信息和可靠性约束伪标签的方法,取得了比其他方法更好的分类准确率提升,特别是在摄影测量到空中 LiDAR 的适应中,本方法在推理阶段达到了 59.46% 的 mIoU 和 85.97% 的 OA。
本文研究了点云语义分割中的域自适应和测试时间自适应,通过引入不同的领域转换范例和逐步更新BN统计的方法,以及最大化信息和可靠性约束伪标签的方法,实现了比其他方法更好的分类准确率提升。在摄影测量到空中LiDAR的适应中,本方法在推理阶段达到了59.46%的mIoU和85.97%的OA。