论文部分内容阅读
针对基于深度学习的机载激光雷达(LiDAR)点云分类方法训练时间长、对样本数据需求量较大等问题,提出了一种整合迁移学习与全卷积神经网络(FCN)的小样本机载LiDAR点云分类方法。首先,对机载LiDAR点云的光谱信息进行补充,并提取点云数据的归一化高程、强度值和植被指数特征构建三通道点云特征图。然后,通过设置不同的邻域大小和投影方向,生成多尺度和多投影特征图,并采用密集连接网络DenseNet201预训练模型提取多尺度、多投影深度特征。最后,通过池化操作提取深度特征中的全局特征,用FCN进行初步分类