Семантическая сегментация сопоставляет каждую точку в 3-D облаке точек с меткой класса, такой как car, truck, ground, или vegetation. Lidar Toolbox™ предоставляет алгоритмы глубокого обучения, чтобы выполнить семантическую сегментацию на данных об облаке точек. Используйте PointSeg, SqueezeSegV2 и сверточные нейронные сети (CNN) PointNet ++, чтобы разработать модели семантической сегментации.
Можно сегментировать землю в данных об облаке точек с помощью segmentGroundSMRF функция. Это используется в Классификации Ландшафтов для Воздушного рабочего процесса Данных о Лидаре, который сегменты основывают, растительность и создания в воздушных облаках точек.
Начало работы с облаками точек Используя глубокое обучение
Изучите, как использовать облака точек для глубокого обучения.
Задайте сеть PointNet ++ и изучите, как выполнить семантическую сегментацию с помощью того же самого.
Хранилища данных для глубокого обучения (Deep Learning Toolbox)
Узнать, как использовать хранилища данных в применении глубокого обучения.
Список слоев глубокого обучения (Deep Learning Toolbox)
Узнайте все слои глубокого обучения в MATLAB®.
