Отправить статью по E-mail Настройка обучения моделей при классификации и сегментации облаков точек
- Авторы: Гура Д.А.1,2, Дьяченко Р.А.1, Бойко Е.С.1,3, Левченко Д.А.3
-
Учреждения:
- Кубанский государственный технологический университет
- Кубанский государственный аграрный университет
- Кубанский государственный университет
- Выпуск: № 1 (2024)
- Страницы: 92-102
- Раздел: Машинное обучение, нейронные сети
- URL: https://ogarev-online.ru/2071-8594/article/view/269788
- DOI: https://doi.org/10.14357/20718594240108
- EDN: https://elibrary.ru/WMZHVG
- ID: 269788
Цитировать
Полный текст
Аннотация
Представлены особенности и возможности нейросетевой архитектуры PointNet применительно к искусственно сгенерированным облакам точек лазерного отражения в информационной системе Terra_Maker. Проанализированы результаты обучения сети PointNet и оценена точность полученных моделей. Предложен подход к определению параметров, которые дают максимальную точность при выполнении экспериментов на примере облаков точек, полученных при помощи информационной системы Terra_Maker.
Полный текст
Об авторах
Дмитрий Андреевич Гура
Кубанский государственный технологический университет; Кубанский государственный аграрный университет
Автор, ответственный за переписку.
Email: gda-kuban@mail.ru
Кандидат технических наук, доцент, доцент
Россия, Краснодар; КраснодарРоман Александрович Дьяченко
Кубанский государственный технологический университет
Email: emessage@rambler.ru
Доктор технических наук, профессор кафедры информатики и вычислительной техники
Россия, КраснодарЕвгений Сергеевич Бойко
Кубанский государственный технологический университет; Кубанский государственный университет
Email: boykoes@yandex.ru
Кандидат географических наук, доцент кафедры геоинформатики
Россия, Краснодар; КраснодарДмитрий Александрович Левченко
Кубанский государственный университет
Email: levchenkodima@mail.ru
Кандидат педагогических наук, доцент кафедры анализа данных и искусственного интеллекта
Россия, КраснодарСписок литературы
- Zhu X. X., Tuia D., Mou L., Xia G. S., Zhang L., Xu F., Fraundorfer F. Deep Learning in Remote Sensing: A Comprehensive Review and List of Resources // IEEE Geoscience and Remote Sensing Magazine. 2017. P. 8–36.
- Левченко Д.А., Бойко Е.С. Генератор цифровых данных геоточек искусственных территорий «Terra_Maker» // свидетельство о государственной регистрации программы для ЭВМ, №2023610228
- Колесников А.А. Анализ методов и средств искусственного интеллекта для анализа и интерпретации данных активного дистанционного зондирования // Вестник СГУГиТ (Сибирского государственного университета геосистем и технологий). 2022. Т. 27. № 3. С. 74-94.
- Глинский А. В., Новиченко Е. В., Ткачев М. С., Савенков В. М., Теплякова А. Р., Захарочкина Н. А., Бирюков Р. Н., Акобян Л. В. Программа семантической сегментации с учетом данных, получаемых с камер и лидаров // Свидетельство о регистрации программы для ЭВМ 2022663627, 18.07.2022.
- Ali Kashefi, Tapan Mukerji Physics-informed PointNet: A deep learning solver for steady-state incompressible flows and thermal fields on multiple sets of irregular geometries // Journal of Computational Physics, 2022
- Дьяченко Р.А., Косолапов П.А., Гура Д.А. К вопросу об увеличении производительности машинного обучения на этапе выборки данных при решении задач классификации // Вестник Воронежского государственного университета. Серия: Системный анализ и информационные технологии. 2022. № 4. С. 146-155.9.
- Гура Д.А., Дьяченко Р.А., Андрющенко А.В. Технология имитации полетного маршрута беспилотного летательного аппарата и воздушного лазерного сканирования // Электронный сетевой политематический журнал "Научные труды КубГТУ". 2022. № 6. С. 126-133
- Косолапов П.А., Дьяченко Р.А., Гура Д.А., Хушт Н.И. К вопросу о нормализации данных трехмерного лазерного сканирования // Электронный сетевой политематический журнал "Научные труды КубГТУ". 2021. № 4. С. 56-66.
- Гура Д.А., Дьяченко Р.А., Хушт Н.И. К вопросу о предобработке данных трехмерного лазерного сканирования // Электронный сетевой политематический журнал "Научные труды КубГТУ". 2021. № 3. С. 39-46.
- Гура Д.А., Дьяченко Р.А., Хушт Н.И., Марковский И.Г. К вопросу о методах генерации, классификации и распознавания трехмерных изображений // Электронный сетевой политематический журнал "Научные труды КубГТУ". 2021. № 2. С. 86-97.
- Aoki Y., Goforth H., Srivatsan R. A., Lucey S. Pointnetlk: Robust & efficient point cloud registration using pointnet // Proceedings of the IEEE Computer Society Conference on Computer Vision and Pattern Recognition. 2019. P. 7156–7165.
- Zaganidis A., Sun L., Duckett T., Cielniak G. Integrating Deep Semantic Segmentation into 3-D Point Cloud Registration // IEEE Robotics and Automation Letters. 2018. V. 2 No 4. P. 2942–2949.
- Zhang B., Huang S., Shen W., Wei Z. Explaining the PointNet: What Has Been Learned Inside the PointNet? // IEEE Conference on Computer Vision and Pattern Recognition Workshops (CVPRW). 2019. P. 71–74.
Дополнительные файлы
Доп. файлы
Действие
1.
JATS XML
2.
Рис. 1. Архитектура сети PointNet
Скачать (251KB)
3.
Рис. 2. Экранная форма диалога настроек информационной системы Terra_Maker «Поверхность грунта»
Скачать (103KB)
4.
Рис. 3. Экранная форма диалога настроек информационной системы Terra_Maker
Скачать (95KB)
5.
Рис. 4. Экранная форма диалога настроек информационной системы Terra_Maker «Строения/Здания»
Скачать (98KB)
6.
Рис. 5. Экранная форма диалога настроек информационной системы Terra_Maker «Ложно отраженные точки»
Скачать (27KB)
7.
Рис. 6. Экранная форма диалога настроек информационной системы Terra_Maker «Численные характеристики создаваемого набора данных»
Скачать (33KB)
8.
Рис. 7. Визуализация облаков точек в информационной системе Terra_Maker
Скачать (30KB)
9.
Рис. 8. Визуальное представление набора данных облака точек
Скачать (44KB)
10.
Рис. 9. Графики значений функции потерь и точности по эпохам обучения
Скачать (20KB)
11.
Рис. 10. Графики зависимостей точности обучения и тестирования
Скачать (20KB)
12.
Рис. 11. Пример семантической сегментации точек лазерного отражения_1
Скачать (10KB)
13.
Рис. 11. Пример семантической сегментации точек лазерного отражения_2
Скачать (10KB)
14.
Рис. 11. Пример семантической сегментации точек лазерного отражения_3
Скачать (9KB)
15.
Рис. 11. Пример семантической сегментации точек лазерного отражения_4
Скачать (9KB)
16.
Рис. 11. Пример семантической сегментации точек лазерного отражения_5
Скачать (9KB)
17.
Рис. 11. Пример семантической сегментации точек лазерного отражения_6
Скачать (10KB)
18.
Рис. 11. Пример семантической сегментации точек лазерного отражения_7
Скачать (8KB)
19.
Рис. 11. Пример семантической сегментации точек лазерного отражения_8
Скачать (8KB)
