| （一）文章信息 |
标题：Target-aware attentional network for rare class segmentation in large-scale LiDAR point clouds
期刊：《ISPRS Journal of Photogrammetry and Remote Sensing》(中科院1区Top, IF=10.6)
作者：Xinlong Zhang , et al.
doi：10.1016/j.isprsjprs.2024.11.012
| （二）研究背景 |
| （三）研究数据与方法 |
（四）研究结果 |
| （五）研究结论 |
本文提出的TaaNet目标感知注意力网络在大规模点云中对稀有类别的语义分割问题提供了一种有效的解决方案。通过自注意力机制和目标感知聚合器，TaaNet能够捕捉局部到全局的代表性特征，并利用稀有对象固有的结构信息和空间差异。实验结果表明，TaaNet在多个基准数据集上均取得了优异的性能，特别是在稀有类别的识别上，显著提高了分割精度。此外，TaaNet在Hessigheim 3D基准测试中的表现尤为突出。未来的工作将探索和增强目标感知聚合器中稀有目标的结构特征描述，以进一步减少与稀有目标空间分布相关的监督信号中不确定性误差。
文章来源 ：
Zhang, X., Lin, D., & Soergel, U. (2025). Target-aware attentional network for rare class segmentation in large-scale LiDAR point clouds. ISPRS Journal of Photogrammetry and Remote Sensing, 220, 32-50.
免责声明 ：
本公众号发布的内容仅供学习交流使用，内容版权归原作者所有。如有侵犯您的权益，请及时与我们联系。
| 回复“1094获取全文！
【JAG好文推荐】基于Sentinel-1 SAR图像的极化与空间信息多尺度机器学习洪水映射方法
2024-12-05
【TGRS好文推荐】MGPACNet： 用于图像融合分类的多尺度几何先验感知跨模态网络
2024-12-04
【ISPRS好文推荐】PolyR-CNN：用于端到端多边形建筑物轮廓提取
2024-12-03
