Catalogue en ligne IGN

Large-scale point cloud semantic segmentation with superpoint graphs / Loïc Landrieu (2018)

Large-scale point cloud semantic segmentation ... - pdf éditeur

Public

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 points
Mots-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 aussi

Segmentation sémantique à grande échelle par graphes de superpoints / Loïc Landrieu (2018)

Segmentation sémantique à grande échelle ... - pdf éditeur

Public

Titre :	Segmentation sémantique à grande échelle par graphes de superpoints
Type de document :	Article/Communication
Auteurs :	Loïc Landrieu , Auteur ; Martin Simonovsky, Auteur
Editeur :	Saint-Mandé : Institut national de l'information géographique et forestière - IGN (2012-)
Année de publication :	2018
Projets :	1-Pas de projet /
Conférence :	RFIAP 2018, Reconnaissance des Formes, Image, Apprentissage et Perception 01/06/2018 01/06/2018 Champs-sur-Marne France Open Access Proceedings
Importance :	8 p.
Format :	21 x 30 cm
Note générale :	bibliographie
Langues :	Français (fre)
Descripteur :	[Vedettes matières IGN] Lasergrammétrie [Termes IGN] données lidar [Termes IGN] données localisées 3D [Termes IGN] graphe [Termes IGN] réseau neuronal convolutif [Termes IGN] segmentation sémantique [Termes IGN] semis de points
Résumé :	(auteur) Nous proposons dans cet article une méthode pour la segmentation sémantique de nuages de millions de points basée sur l’apprentissage profond. Nous introduisons une nouvelle structure pour les nuages de points 3D appelée graphe de superpoints (superpoint graph, ou SPG), capable d’encoder de manière compacte l’organisation d’un nuage de points en sous-objets interconnectés. Notre méthode définit un nouvel état de l’art pour la segmentation sémantique de scans LiDAR aussi bien en extérieur (+11:9 et +8:8 points de mIoU pour les deux ensembles de tests de Semantic3D [13]), ainsi qu’en extérieur (+12:4 points de mIoU pour les acquisitions S3DIS [2]). Cet article est une traduction de l’article [25].
Numéro de notice :	C2018-061
Affiliation des auteurs :	LASTIG MATIS+Ext (2012-2019)
Thématique :	IMAGERIE
Nature :	Communication
nature-HAL :	ComAvecCL&ActesPubliésNat
DOI :	sans
Date de publication en ligne :	28/06/2018
En ligne :	https://rfiap2018.ign.fr/programmeRFIAP
Format de la ressource électronique :	URL article
Permalink :	https://documentation.ensg.eu/index.php?lvl=notice_display&id=91381

Voir aussi

Documents numériques

Segmentation sémantique à grande échelle ... - pdf éditeur

Adobe Acrobat PDF

Documents numériques

Large-scale point cloud semantic segmentation ... - pdf éditeur

Adobe Acrobat PDF

IGN

Centre de documentation
scientifique

Accueil

Sélection de la langue

Adresse

Se connecter

Actualité

L'actu ! Horaires du CDOS

Informations pratiques

Documents numériques

Documents numériques

IGN / ENSG

L'IGN a pour vocation

Accès directs

2014 -2024 IGN

IGN

Centre de documentationscientifique

Accueil

Sélection de la langue

Adresse

Se connecter

Actualité

L'actu ! Horaires du CDOS

Informations pratiques

Documents numériques

Documents numériques

IGN / ENSG

L'IGN a pour vocation

Accès directs

2014 -2024 IGN

Centre de documentation
scientifique