中國(guó)林科院資源所激光雷達(dá)遙感團(tuán)隊(duì)與北京林業(yè)大學(xué)合作提出了數(shù)據(jù)驅(qū)動(dòng)的深度神經(jīng)網(wǎng)絡(luò)模型Sen-net，從森林場(chǎng)景三維點(diǎn)云中精準(zhǔn)分離出樹(shù)葉、木質(zhì)成分、低矮植被及地面。

針對(duì)國(guó)際上該領(lǐng)域標(biāo)注數(shù)據(jù)稀缺的問(wèn)題，科研團(tuán)隊(duì)構(gòu)建了總面積超過(guò)2萬(wàn)平方米，包含不同氣候帶、森林類(lèi)型、樹(shù)種、林分密度、地形條件的數(shù)據(jù)集Lin3D?；诖藬?shù)據(jù)集，設(shè)計(jì)和訓(xùn)練了專(zhuān)門(mén)針對(duì)森林場(chǎng)景三維點(diǎn)云理解的神經(jīng)網(wǎng)絡(luò)模型Sen-net。結(jié)合長(zhǎng)距離上下文信息與數(shù)據(jù)集先驗(yàn)知識(shí)，基于語(yǔ)義驅(qū)動(dòng)融合多尺度特征，通過(guò)自適應(yīng)學(xué)習(xí)方式，有效將森林場(chǎng)景“端到端”地分割為樹(shù)葉、木質(zhì)成分、低矮植被及地面等多種組分。

團(tuán)隊(duì)將方法于Lin3D和國(guó)際公共數(shù)據(jù)集上進(jìn)行了測(cè)試。在Lin3D數(shù)據(jù)集上，Sen-net總體正確率、平均交并比分別達(dá)到97.6%和85.1%；在其他公開(kāi)數(shù)據(jù)集上，總體正確率、平均交并比分別達(dá)到94.5%和78.2%。實(shí)驗(yàn)結(jié)果說(shuō)明Sen-net在準(zhǔn)確性和泛化能力方面表現(xiàn)出色，優(yōu)于同類(lèi)方法。該網(wǎng)絡(luò)無(wú)需調(diào)節(jié)參數(shù)，使用方便，泛化性高，有望被廣泛用于森林場(chǎng)景點(diǎn)云分析，并作為森林場(chǎng)景點(diǎn)云處理算法的基礎(chǔ)性框架。（杜黎明）