Centre de documentation
scientifique

Learning indoor point cloud semantic segmentation from image-level labels / Youcheng Song in The Visual Computer, vol 38 n° 9 (September 2022)  

Public [article]  inThe Visual Computer > vol 38 n° 9 (September 2022) . - pp 3253 - 3265 Titre : Learning indoor point cloud semantic segmentation from image-level labels Type de document : Article/Communication Auteurs : Youcheng Song, Auteur ; Zhengxing Sun, Auteur ; Qian Li, Auteur ; et al., Auteur Année de publication : 2022 Article en page(s) : pp 3253 - 3265 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Photogrammétrie numérique [Termes IGN] apprentissage dirigé [Termes IGN] données d'entrainement sans étiquette [Termes IGN] image RVB [Termes IGN] scène intérieure [Termes IGN] segmentation d'image [Termes IGN] segmentation sémantique [Termes IGN] semis de points Résumé : (auteur) The data-hungry nature of deep learning and the high cost of annotating point-level labels make it difficult to apply semantic segmentation methods to indoor point cloud scenes. Therefore, exploring how to make point cloud segmentation methods less rely on point-level labels is a promising research topic. In this paper, we introduce a weakly supervised framework for semantic segmentation on indoor point clouds. To reduce the labor cost in data annotation, we use image-level weak labels that only indicate the classes that appeared in the rendered images of point clouds. The experiments validate the effectiveness and scalability of our framework. Our segmentation results on both ScanNet and S3DIS datasets outperform the state-of-the-art method using a similar level of weak supervision. Numéro de notice : A2022-793 Affiliation des auteurs : non IGN Thématique : IMAGERIE/INFORMATIQUE Nature : Article DOI : 10.1007/s00371-022-02569-0 Date de publication en ligne : 02/07/2022 En ligne : https://doi.org/10.1007/s00371-022-02569-0 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=101917 [article]