基于集成卷积神经网络的LiDAR数据分类

• 作者: 王爱丽 张宇枭 吴海滨 王莹
• 来源期刊: 哈尔滨理工大学学报
• 关键词: LiDAR 图像分类 深度学习 卷积神经网络 集成学习
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: 测控技术与通信工程|Measurement-control Technology and Communication Engineering
• 页码范围: 138-145
• 页数: 8页
• 分类号: TP391
• 语种: 中文
• DOI: 10.15938/j.jhust.2021.04.019

摘要

针对人工设计的中低层特征难以对LiDAR数据进行高精度分类以及泛化性能较低等问题,提出了一种基于集成卷积神经网络的LiDAR数据分类方法.它是基于深度学习模型与随机子空间的集成学习框架.通过有放回的随机抽取LiDAR训练集构成子集,以深度卷积神经网络模型为单个子分类器,最后采用多数投票法确定最终样本的类别,以获得更好的分类精度.实验结果表明,所提方法在Bayview Park和Houston两个数据集上分别取得了93.31％和80.95％的总体分类精度,与其他3种分类算法相比具有更好的分类效果,由此证明该网络在拥有较高分类精度的同时还具有良好的泛化能力.