专栏首页arxiv.org翻译专栏运用Atrous XCRF解决点云分类中的过拟合问题 (CS)
原创

运用Atrous XCRF解决点云分类中的过拟合问题 (CS)

点云数据智能分类技术的进步为许多新的和现有的应用带来了许多新方法与机遇。但是,由于标记点的数量有限,通过机器学习模型进行的自动分类容易过度拟合和模型泛化能力差的问题。本论文通过引入条件随机场相似特征惩罚所生成的约束噪声(在经过训练的模型上)来解决这一问题。该方法名为Atrous XCRF,其主要通过强制训练模型来为未标记数据提供的相似度惩罚。在ISPRS国际三维标签数据集中,所提出方法的整体准确性指标为84.97%,F1得分为71.05%。在同一数据集中,所提出方法与现有最好模型相比,在F1项上得分更高。

题目:Addressing Overfitting on Pointcloud Classification using Atrous XCRF

原文:Advances in techniques for automated classification of pointcloud data introduce great opportunities for many new and existing applications. However, with a limited number of labeled points, automated classification by a machine learning model is prone to overfitting and poor generalization. The present paper addresses this problem by inducing controlled noise (on a trained model) generated by invoking conditional random field similarity penalties using nearby features. The method is called Atrous XCRF and works by forcing a trained model to respect the similarity penalties provided by unlabeled data. In a benchmark study carried out using the ISPRS 3D labeling dataset, our technique achieves 84.97% in term of overall accuracy, and 71.05% in term of F1 score. The result is on par with the current best model for the benchmark dataset and has the highest value in term of F1 score.

原文作者:Hasan Asyari Arief, Ulf Geir Indahl, Geir-Harald Strand, Håvard Tveite

原文地址: https://arxiv.org/abs/1902.03088

原创声明,本文系作者授权云+社区发表,未经许可,不得转载。

如有侵权,请联系 yunjia_community@tencent.com 删除。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 基于激光雷达的城市场景自动驾驶实时三维感知系统 (CS)

    本文针对城市场景下的自动驾驶,提出了基于激光雷达的实时三维感知系统。所设计的多层级系统能够同时对环境中静态和动态对象进行实时建模。该方法通过创新的细节增强功能扩...

    DDDDDaemon
  • 基于机器学习方法的激光雷达数据行人和车辆检测和分类 (CS)

    本文旨在将LiDAR传感器所获得的数据分类为包括车辆,行人和骑自行车的人的不同类别。利用基于LiDAR的物体检测器和基于神经网络的分类器,提出了一种新的实时物体...

    DDDDDaemon
  • 点云局部聚合描述子研究(CS)

    近年来,点云数据处理网络结构进步主要是由于新设计的局部描述子推动。然而,由于网络结构以及实施细节的不同,当前这些描述子对于网络性能的影响尚未有深入研究,同时,大...

    DDDDDaemon
  • 2019 ICPC 银川网络赛 H. Fight Against Monsters

    It is my great honour to introduce myself to you here. My name is Aloysius Benjy...

    风骨散人Chiam
  • 科研解读 | 次季节(S2S)预报对登革热爆发有极大的指示意义

    (https://agupubs.onlinelibrary.wiley.com/doi/pdf/10.1029/2020GH000253)

    气象学家
  • 声音图片 多感知论文

    In this work, we show that a model trained to predict held-out sound from video ...

    用户1908973
  • 【论文推荐】最新5篇度量学习(Metric Learning)相关论文—人脸验证、BIER、自适应图卷积、注意力机制、单次学习

    【导读】专知内容组整理了最近五篇度量学习(Metric Learning)相关文章,为大家进行介绍,欢迎查看! 1. Additive Margin Softm...

    WZEARW
  • 案例研究:建立跨大学学校和研究所的共享资源HPC中心(CS AI)

    在过去的几年中,乔治华盛顿大学在广泛需要先进计算资源的领域招募了许多研究人员。我们讨论了首次在大学一级规划和建立高性能计算中心时会遇到的挑战和障碍,并提出了一套...

    用户7035935
  • 伸展树的先序和后序

    摘要:设T是二叉搜索树。我们证明了关于Splay算法行为的两个结果(Sleator和Tarjan 1985)。我们的第一个结果是通过按照T的预订或T的后序的顺序...

    罗大琦
  • 科研解读 | 次季节(S2S)预报对登革热爆发有极大的指示意义

    (https://agupubs.onlinelibrary.wiley.com/doi/pdf/10.1029/2020GH000253)

    zhangqibot

扫码关注云+社区

领取腾讯云代金券