Семантическая сегментация облака точек на изображениях для задач дистанционного зондирования Земли

Abstract

Целью работы является реализация нейросетевой модели для семантической сегментации данных дистанционного зондирования Земли, представленных в виде облаков точек. В ходе работы была реализована нейросетевая модель основанная на модели DGCCN с использованием слоев дилатационной свертки. Численные эксперименты проводились на наборе Hessigheim 3D. В результате тестирования были получены приемлемые результаты по метрикам overall accuracy и F1. Было проведено сравнение с исходной моделью и моделью PоintNet, результат которого показал, что реализованная модель демонстрирует более высокие результаты.

The aim of the work is to implement a neural network model for semantic segmentation of Earth remote sensing data presented in the form of point clouds. In the course of the work, a neural network model based on the DGCCN model was implemented using dilation convolution layers. Numerical experiments were carried out on the Hessigheim 3D dataset. As a result of testing, acceptable results were obtained for the overall accuracy and F1 metrics. A comparison was made with the original model and the PointNet model, the result of which showed that the implemented model demonstrates higher results.