Détail de l'autorité
CVPR 2018, IEEE Conference on Computer Vision and Pattern Recognition 18/06/2018 22/06/2018 Salt Lake City Utah - Etats-Unis Open Access Proceedings
nom du congrès :
CVPR 2018, IEEE Conference on Computer Vision and Pattern Recognition
début du congrès :
18/06/2018
fin du congrès :
22/06/2018
ville du congrès :
Salt Lake City
pays du congrès :
Utah - Etats-Unis
site des actes du congrès :
|
Documents disponibles (1)
Ajouter le résultat dans votre panier
Visionner les documents numériques
Affiner la recherche Interroger des sources externes
Titre : Large-scale point cloud semantic segmentation with superpoint graphs Type de document : Article/Communication Auteurs : Loïc Landrieu , Auteur ; Martin Simonovsky, Auteur Editeur : Computer vision foundation CVF Année de publication : 2018 Projets : 1-Pas de projet / Conférence : CVPR 2018, IEEE Conference on Computer Vision and Pattern Recognition 18/06/2018 22/06/2018 Salt Lake City Utah - Etats-Unis Open Access Proceedings Importance : pp 4558 - 4567 Format : 21 x 30 cm Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Lasergrammétrie
[Termes IGN] données lidar
[Termes IGN] données localisées 3D
[Termes IGN] graphe
[Termes IGN] prise en compte du contexte
[Termes IGN] segmentation sémantique
[Termes IGN] semis de pointsMots-clés libres : superpoint graph (SPG) Résumé : (auteur) We propose a novel deep learning-based framework to tackle the challenge of semantic segmentation of largescale point clouds of millions of points. We argue that the organization of 3D point clouds can be efficiently captured by a structure called superpoint graph (SPG), derived from a partition of the scanned scene into geometrically homogeneous elements. SPGs offer a compact yet rich representation of contextual relationships between object parts, which is then exploited by a graph convolutional network. Our framework sets a new state of the art for segmenting outdoor LiDAR scans (+11.9 and +8.8 mIoU points for both Semantic3D test sets), as well as indoor scans (+12.4 mIoU points for the S3DIS dataset). Numéro de notice : C2018-050 Affiliation des auteurs : LASTIG MATIS+Ext (2012-2019) Autre URL associée : http://openaccess.thecvf.com/CVPR2018_search.py/https://doi.org/10.1109/CVPR.2018.00479 Thématique : IMAGERIE Nature : Communication nature-HAL : ComAvecCL&ActesPubliésIntl DOI : 10.1109/CVPR.2018.00479 Date de publication en ligne : 28/03/2018 En ligne : https://arxiv.org/abs/1711.09869v2 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=91310 Voir aussiDocuments numériques
peut être téléchargé
Large-scale point cloud semantic segmentation ... - pdf éditeurAdobe Acrobat PDF