来源：期刊VIP网 时间：
作者：陈子宜;叶锋;
单位：福建师范大学计算机与网络空间安全学院;数字福建大数据安全技术研究所;福建省公共服务大数据挖掘与应用工程技术研究中心;
摘要：由于城市车载激光点云应用场景的复杂性，导致基于深度学习的语义分割模型面临着目标语义层面的域迁移现象，通常需要重新训练完整模型才能处理新增的语义类别。然而城市车载激光点云通常包括极大量的点，重新训练语义分割模型会浪费大量的资源。通过基于特征记忆库的城市车载激光点云域自适应语义分割方法，解决城市车载激光点云之间的目标语义域迁移现象，使得新增语义类别数据时，只需提取新增语义类别的特征，而无需重新训练完整的语义分割模型，得到的语义分割性能对比重新训练完整模型仅有较小的损失。
关键词：三维点云;;车载激光;;语义分割;;域自适应;;增量学习;;计算机视觉
基金资助：国家自然科学基金面上项目(62072106);; 福建省创新战略研究计划项目(2023R0156)
