典型文献
高速公路典型要素语义分割深度学习模型适用性分析
文献摘要：
通过对比评估了目前主流的深度学习点云语义分割的网络模型PointNet、PointNet++及RandLA-Net,在高速公路场景下的语义分割性能和效果,最后选择性能最优的RandLA-Net网络模型进行超过5 km高速公路基础要素的语义分割实验,结果表明,RandLA-Net网络模型可以较好地实现高速公路场景的激光点云语义分割,总体精度达90.53％,满足现阶段高速公路场景数字化应用的信息识别精度要求.
文献关键词：
高速公路要素;语义分割;深度学习;模型适用性
中图分类号：
作者姓名：
贾洋;李升甫;周城宇;南轲;许濒支
作者机构：
四川省公路规划勘察设计研究院有限公司, 四川成都 610041;西南交通大学地球科学与环境工程学院, 四川成都 611756
文献出处：
引用格式：
[1]贾洋;李升甫;周城宇;南轲;许濒支-.高速公路典型要素语义分割深度学习模型适用性分析)[J].北京测绘,2022(10):1365-1369
A类：
高速公路要素
B类：
深度学习模型,模型适用性,适用性分析,对比评估,点云语义分割,PointNet++,RandLA,高速公路场景,后选择,路基,激光点云,总体精度,数字化应用,信息识别,识别精度,精度要求
AB值：
0.290623
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
