Multi-prototype Relational Network for Few-Shot ALS Point Cloud Semantic Segmentation by Transferri

多原型关系网络用于从摄影测量点云中转移知识进行少样本ALS点云语义分割

现有的空中激光扫描（ALS）点云语义分割方法受到对足够点级标注的过度依赖，这限制了它们对新场景的泛化能力。为了克服这些问题，提出了一种新颖的三阶段多原型关系网络（Thr-MPRNet），用于通过从精心标注的摄影测量点云中转移知识进行少样本ALS点云语义分割。在MPRNet中，建立了一个包含特征学习器和关系学习器的3D少样本学习结构，从多个点级任务中学习元知识，并设计了一个多原型生成器，用于表示点云的语义分布，可以动态适应大规模场景。然后，为了在不同领域之间传递知识，MPRNet在一个统一的框架中通过三个基于任务的学习阶段进行训练。先从源摄影测量点云中元学习先验知识，然后将其传递给带有少量标注ALS点云的新目标数据集。最终，MPRNet可以灵活地推广到未标记的目标ALS点云，而无需从头重新训练。在实验中，使用SensatUrban数据集作为源摄影测量点云，并使用两个ALS点云数据集（ISPRS和DALES）评估了所提方法的少样本语义分割能力。实验证明Thr-MPRNet在不同目标数据集上获得了有希望的泛化性能。更重要的是，它在有10%标记样本的情况下优于监督网络。总的来说，所提出的方法实现了最先进的跨域语义分割性能，并极大地减轻了对ALS点云标注的依赖。

图1. 所提方法的工作流程概述。

图2. 三个元学习阶段的任务生成器。

图3. 多原型关系网络（MPRNet）的结构。