课题组在IEEE TGRS发表树木点云极弱监督语义分割相关工作
发布时间：2025-11-01
点击次数：
- 发布时间：
- 2025-11-01
- 文章标题：
- 课题组在IEEE TGRS发表树木点云极弱监督语义分割相关工作
- 内容：
在森林结构精细化研究不断深入的背景下，三维点云数据已成为描述树木形态的重要基础。然而，叶片与木质部的准确分离仍然是一个具有挑战性的任务。树木结构天然复杂、枝叶交织，点云量大且细节丰富，使得逐点标注成本极高，也限制了深度学习方法在大规模林分中的推广应用。
围绕这一关键问题，团队对深度学习模型在有限标注条件下的表现进行了系统分析，并进一步提出了一个及极弱监督框PCLNet，旨在在显著降低标注成本的同时保持高水平的分割精度。相关论文发表于《IEEE Transactions on Geoscience and Remote Sensing》， 第一作者为团队硕士生王端初。
D. Wang, K. Xu and D. Wang, "Optimizing Label Efficiency for Learning-Based Leaf–Wood Separation in Tree Point Clouds," in IEEE Transactions on Geoscience and Remote Sensing, vol. 63, pp. 1-13, 2025