Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот ресурс:
http://earchive.tpu.ru/handle/11683/71793
Название: | Семантическая сегментация облака точек на изображениях для задач дистанционного зондирования Земли |
Авторы: | Лешин, Олег Дмитриевич |
Научный руководитель: | Друки, Алексей Алексеевич |
Ключевые слова: | сверточная нейронная сеть; облака точек; дилатационная свертка; семантическая сегментация; машинное обучение; convolutional neural network; point clouds; dilated convolution; semantic segmantation; machine learning |
Дата публикации: | 2022 |
Библиографическое описание: | Лешин О. Д. Семантическая сегментация облака точек на изображениях для задач дистанционного зондирования Земли : магистерская диссертация / О. Д. Лешин ; Национальный исследовательский Томский политехнический университет (ТПУ), Инженерная школа информационных технологий и робототехники (ИШИТР), Отделение информационных технологий (ОИТ) ; науч. рук. А. А. Друки. — Томск, 2022. |
Аннотация: | 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. |
URI: | http://earchive.tpu.ru/handle/11683/71793 |
Располагается в коллекциях: | Магистерские диссертации |
Файлы этого ресурса:
Файл | Описание | Размер | Формат | |
---|---|---|---|---|
TPU1369559.pdf | 2,35 MB | Adobe PDF | Просмотреть/Открыть |
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.