｛“状态”：“好”，“消息类型”：“工作”，“消息版本”：“1.0.0”，“消息”：｛“索引”：｛“日期部分”：[[2024,5,16]]，“日期时间”：“2024-05-16T16:15:58Z”，“时间戳”：1715876158926｝，“发布者位置”：“美国纽约州纽约市”，“引用计数”：56，“发布者”：“ACM”，“资助者”：[｛“名称”：“KAKENHI”，“奖项”：[“19H02408”]｝]，“内容域”：｛“域”：[“dl.ACM.org”]，“crossmark-restriction”：true}，“short-container-title”：[]，“published-print”：{“date-parts”：[[2020,11,3]]}，”DOI“：”10.1145\/3397536.3422209“，”type“：”proceedings-article“，”created“：{”date-part“：[2020,11,24]]，”date-time“：”2020-11-24T22:14:09Z“，”timestamp“：1606256049000}”，“update-policy”：“http://\/dx.DOI.org\/10.1145\/交叉标记策略“，”源“：“Crossref”，“is-referenced-by-count”：3，“title”：[“使用本地和分层全局特征提取对全波LiDAR数据进行语义分割”]，“prefix”：“10.1145”，”author“：[{“given”：“Takayuki”，“family”：“Shinohara”，“sequence”：“first”，“affiliation”：[{name”：“东京理工学院，横滨，神奈川”}]}，{“Givent”：“Haoyi”，“family”：“Xiu”，“sequence”：“additional”，“affiliation”：[{“name”：“日本神奈川横滨东京理工学院”}]}，{“given”：“Masashi”，“faily”：”Matsuoka“，”sequence“：”additional“，”affiliance“：[{name”：”日本神奈川横滨东京工学院“}]}]，“member”：“320”，“published on”：{“date-parts”：[2020,11,13]}，“参考”：[{“key”：“e_1_3_2_1_1_1”，“非结构化”：“Mart\u00edn Abadi Ashish Agarwal Paul Barham Eugene Brevdo Zhifeng Chen Craig Citro Greg S。Corrado Andy Davis Jeffrey Dean Matthieu Devin Sanjay Ghemawat Ian Goodfellow Andrew Harp Geoffrey Irving Michael Isard Yangqing Jia Rafal Jozefowicz Lukasz Kaiser Manjunath Kudlur Josh Levenberg Dan Man\u00e9 Rajat Monga Sherry Moorek Derek Murray Chris Olah Mike Schuster Jonathon Shlens Benoit Steiner Ilya Sutskever Kunal Talwar Paul TuckerVincent Vanhoucke Vijay Vasudevan Fernanda Vi\u00e9gas Oriol Vinyals Pete典狱长Martin Wattenberg Martin Wicke Yuan and Xiaoqiang Zheng。2015.TensorFlow：异构系统上的大规模机器学习。http:\/\/tensorflow.org\/软件可从tensorflow.org.Mart\u00edn Abadi Ashish Agarwal Paul Barham Eugene Brevdo Zhifeng Chen Craig Citro Greg S获得。Corrado Andy Davis Jeffrey Dean Matthieu Devin Sanjay Ghemawat Ian Goodfellow Andrew Harp Geoffrey Irving Michael Isard Yangqing Jia Rafal Jozefowicz Lukasz Kaiser Manjunath Kudlur Josh Levenberg Dan Man\u00e9 Rajat Monga Sherry Moorek Derek Murray Chris Olah Mike Schuster Jonathon Shlens Benoit Steiner Ilya Sutskever Kunal Talwar Paul TuckerVincent Vanhoucke Vijay Vasudevan Fernanda Vi\u00e9gas Oriol Vinyals Pete典狱长Martin Wattenberg Martin Wicke Yuan and Xiaoqiang Zheng。2015.TensorFlow：异构系统上的大规模机器学习。http://\/tensorflow.org \/可从tensorflow.org获得的软件。“}，{“key”：“e_1_3_2_1_1”，“doi-asserted-by”：“publisher”，”doi“：”10.1016\/j.isprsjprs.2010.05.002“}”，{”key“：”e_1_ 3_2_1_3_1“，”volume-title“：”三维点云深度学习。arXiv“，”author“：”Bello Saifullahi Aminu“，”年份：“2020”，“非结构化”：“赛福拉希·阿米努·贝洛（Saifullahi Aminu Bello）、余尚书（Shangshu Yu）和王成（Cheng Wang）。2020年，深入学习3D点云。arXiv（2020），arXiv-2001。赛福拉希·阿米努·贝洛（Saifullahi Aminu Bello）、余尚书（Shangshu Yu）和王成（Cheng Wang）。2020年，深入学习3D点云。arXiv（2020），arXiv-2001.“}，{”key“：”e_1_3_2_1_4_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1016\/j.rse.2004.10.013”}，“key”：“e_1_3_2_1_5_1”，“首页”：“110”，“文章标题”：“使用自适应TIN模型从激光扫描仪数据生成DEM”，“卷”：“33”，“作者”：“Axelsson Peter”，“年份”：“2000”，“非结构化”：“彼得·阿克塞尔森（Peter Axelsson）。2000 . 使用自适应TIN模型从激光扫描仪数据生成DEM。国际建筑协会。照片。《遥感》33，4（2000），110--117。彼得·阿克塞尔森（Peter Axelsson）。2000.使用自适应TIN模型从激光扫描仪数据生成DEM。国际建筑协会。照片。《遥感》第33、4期（2000年），第110-117页。照片。遥感“}，{”key“：”e_1_3_2_1_6_1“，”unstructured“：”Mohsen Azadbakht Clive Fraser和Kourosh Khoshelham.2015。全波形激光雷达功能在改进城市场景分类中的作用。莫森·阿扎德巴赫特·克莱夫·弗雷泽（Mohsen Azadbakht Clive Fraser）和库罗什·科谢勒姆（Kourosh Khoshelham）。2015年。全波形激光雷达功能在改善城市场景分类方面的作用。}，{“key”：“e_1_3_2_1_7_1”，“volume-title”：“Int.J.Appl.Earth Obs.Geoinforma.73（12月），“author”：“Azadbakht Mohsen”，“year”：“2018”，“unstructured”：“Mohsen Azadbaht，Clive S.Fraser，and Kourosh Khoshelham.2018”。采样技术和集成分类器的协同作用，用于使用全波形激光雷达数据对城市环境进行分类。国际期刊申请。地球州地理信息局。73（2018年12月），277--291。DOI:https:\/\/DOI.org/10.1016\/j.jag.20128.06.009。10.1016\/j.jag.2018.06.009莫森·阿扎德巴赫特（Mohsen Azadbakht）、克莱夫·弗雷泽（Clive S.Fraser）和库罗什·科谢勒姆（Kourosh Khoshelham）。2018.使用全波形激光雷达数据对城市环境进行分类的采样技术和集成分类器的协同作用。国际期刊申请。地球州地理信息局。73（2018年12月），277--291。DOI:https:\/\/DOI.org/10.1016\/j.jag.2018.06.009.“}，{“key”：“e_1_3_2_1_8_1”，“unstructured”：“Vesna Ducic Markus Hollaus Andreas Ullrich Wolfgang Wagner and Thomas Melzer，2006。使用全波形激光扫描进行三维植被制图和分类。维斯纳·杜西克·马库斯·霍劳斯·安德烈亚斯·乌尔里希·沃尔夫冈·瓦格纳和托马斯·梅尔泽。2006.使用全波形激光扫描进行三维植被制图和分类。na.“}，{”key“：”e_1_3_2_1_9_1“，”volume-title“：”Ernest William Mauya，and Eliakimu Zahabu“，”author“：”Ene Liviu Theodor“，”year“：”2017“，”unstructured“：”Liviu Theodor Ene、Erik N\u00e6sset、Terje Gobakken、Ole Martin Bollands、Ernest William Mauya和Eliakimu Zahabu。2017 . 使用机载激光扫描和国家森林清查数据对miombo林地地上生物量的变化进行大尺度估计。遥感环境。188（2017年1月），106-117。内政部：https:\/\/DOI.org\/10.1016\/j.rse.2016.10.046。2016年10月10日\/j.rse.2016.10.046 Liviu Theodor Ene、Erik N\u00e6sset、Terje Gobakken、Ole Martin Bollands、Ernest William Mauya和Eliakimu Zahabu。2017年。使用机载激光扫描和国家森林资源清查数据，对miombo林地地上生物量的变化进行大规模估算。遥感环境。188（2017年1月），106-117。DOI:https:\/\/DOI.org\/10.1016\/j.rse.2016.10.046.“}，{“key”：“e_1_3_2_1_1”，“volume-title”：“黑客”，“作者”：“Fieber Karolina D.”，“年份”：“2013年”，“非结构化”：“卡罗琳娜·费伯，伊恩·达文波特，詹姆斯·费里曼，罗伯特·古尼，杰弗里·P。Walker和Jorg M。黑客。2013 . 分析用于桔园场景分类的全波形激光雷达数据。ISPRS J.摄影。远程传感器。82（2013年8月），63-82。DOI:https:\/\/DOI.org\/10.1016\/j.isprsjprs.2013.05.002。2016年10月10日\/j.isprsjprs.2013.05.002卡罗琳娜·菲伯（Karolina D.Fieber）、伊恩·达文波特（Ian j.Davenport）、詹姆斯·费里曼（James M.Ferryman）、罗伯特·格尼（Robert j.Gurney）、杰弗里·沃克（Jeffrey P.Walker）和乔格·哈克（Jorg M.Hacker）。2013年，分析全波形激光雷达数据，以对橘园场景进行分类。ISPRS J.摄影。《遥感》第82期（2013年8月），第63-82页。DOI:https:\/\/DOI.org\/10.1016\/j.isprsjprs.2013.05.002.“}，{”key“：”e_1_3_2_11_1“，”DOI-asserted-by“：”publisher“，”DOI“：”10.5555\/3086952“}”，{“key”：“e_1_ 3_2_12_1”，“volume-title”：“3D点云的深度学习：调查。arXiv预印本Xiv:1912.12033”，“作者”：“郭玉兰”，“年份”：“2019”，“非结构化”：“郭玉兰（Yulan Guo）、王汉云（Hanyun Wang）、胡庆勇（Qingyong Hu）、刘浩（Hao Liu）、刘莉（Li Liu）和穆罕默德·本纳蒙（Mohammed Bennamoun）。2019.3D点云深度学习：调查。arXiv预印本arXiv:1912.12033（2019）。郭玉兰（Yulan Guo）、王汉云（Hanyun Wang）、胡庆勇（Qingyong Hu）、刘浩（Hao Liu）、刘莉（Li Liu）和穆罕默德·本纳蒙（Mohammed Bennamoun）。2019.3D点云深度学习：调查。arXiv预印本arXiv:1912.12033（2019）。“｝，｛”key“：”e_1_3_2_1_13_1“，”volume title“：”遥感与空间信息科学“，”volume“：”1“，”author“：”Hackel Timo“，”year“：”2017“，”nonstructured“：”Timo Hackel，Nikolay Savinov，Lubor Ladicky，Jan D.Wegner，Konrad Schindler，and Marc Pollefeys.2017.SEMANTIC3D.NET:一个新的大规模点云分类基准。《摄影测量、遥感和空间信息科学ISPRS年鉴》，第IV-1-W 1卷。91--98. Timo Hackel、Nikolay Savinov、Lubor Ladicky、Jan D.Wegner、Konrad Schindler和Marc Pollefeys。2017年，SEMANTIC3D。NET：一个新的大规模点云分类基准。载于ISPRS摄影测量、遥感和空间信息科学年鉴，第IV-1-W1卷。91--98.“}，{“key”：“e_1_3_2_1_14_1”，“volume-title”：“使用辐射校准的小打印全波形机载激光雷达数据进行城市植被检测。ISPRS J.Photogram.Remote Sens.67（1月），“作者”：“H\u00f6fle Bernhard”，“年份”：“2012年”，“非结构化”：“Bernhard H\u00 f6flE，Markus Hollaus，and Julian Hagenauer.2012年。使用辐射校准的小足迹全波机载激光雷达数据进行城市植被检测。ISPRS J.摄影。《遥感》第67期（2012年1月），第134-147页。DOI:https:\/\/DOI.org\/10.1016\/j.isprsjprs.2011.12.003。2016年10月10日\/j.isprsjprs.2011.12.003伯恩哈德·H·u00f6fle、马库斯·霍洛斯和朱利安·哈格纳尔。2012.使用辐射校准的小足迹全波机载激光雷达数据进行城市植被探测。ISPRS J.摄影。《遥感》第67期（2012年1月），第134-147页。DOI:https:\/\/DOI.org\/10.1016\/j.isprsjprs.2011.12.003.“}，{“key”：“e_1_3_2_15_1”，“volume-title”：“新一代图像处理深度学习调查”，“author”：“焦立成”，“year”：“2019”，“unstructured”：“焦立成和金照2019”。关于新一代图像处理深度学习的调查。IEEE Access 7（2019年11月），172231-172263。DOI:https:\/\/DOI.org\/10.109\/ACCESS.2019.2956508。10.1109\/ACCESS.2019.2956508焦立成和赵晋。2019.关于新一代图像处理深度学习的调查。IEEE Access 7（2019年11月），172231-172263。DOI:https:\/\/DOI.org\/10.109\/ACCESS.2019.2956508.“}，{“key”：“e_1_3_2_16_1”，“volume-title”：“Int.Arch.Photogram.Remote Sens.Spat.Inf.Sci.38，Part 3”（9月），“author”：“Kada Martin”，《year》：“2009”，“unstructured”：“Martin Kada and Laurence McKinley，2009”。基于单元分解方法的激光雷达三维建筑重建。国际建筑协会。照片。远程传感器垃圾邮件。信息科学。38，第3部分（2009年9月），W4。马丁·卡达和劳伦斯·麦金利。2009年。基于单元分解方法的激光雷达三维建筑重建。国际建筑协会。照片。远程传感器垃圾邮件。信息科学。38，Part 3（2009年9月），W4.“}，{”key“：”e_1_3_2_1_17_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1109”\/ICACCCN.2018.8748399“}”，{“key”：“e_1_ 3_2_18_1”，“volume-title”：“基于小波支持向量机和集成学习的全波LiDAR点云分类。传感器19（07“，”author“：”Lai Xudong“，年：”2019“，”非结构化“：”赖旭东、袁逸飞、李永旭和王明伟。2019.基于小波支持向量机和集成学习的全波LiDAR点云分类。传感器19（2019年7月7日），3191。DOI:https:\/\/DOI.org\/10.3390\/s19143191。10.3390 \/s19143191赖旭东、袁一飞、李永旭和王明伟。2019.基于小波支持向量机和集成学习的全波LiDAR点云分类。传感器19（2019年7月7日），3191。DOI:https:\/\/DOI.org\/10.3390\/s19143191.“}，{”key“：”e_1_3_2_19_1“，”DOI-asserted-by“：”publisher“，“DOI”：“10.5555\/3326943.3327020”}，“key”：“e_1_ 3_2_1_20_1”，“首页”：“19”，“article-title”：“点云深度学习及其应用：调查”，“卷”：“十九”，“作者”：“刘卫平”，“2019年”：““，”非结构化“：”刘卫平、贾孙、李婉仪、胡婷和王鹏。2019 . 点云深度学习及其应用：综述。传感器19，19（2019年10月），4188。DOI:https:\/\/DOI.org\/10.3390\/s19194188。10.3390\\s19194188刘伟平、孙佳、李婉仪、胡婷和王鹏。2019.点云深度学习及其应用：调查。传感器19、19（2019年10月）、4188。DOI:https://DOI.org/10.3390\\s19194188.“，”期刊标题“：”传感器“}，｛”键“：”e_1_3_2_1_21_1“，”卷标题“：”深度神经网络架构及其应用调查。神经计算234（4月），“作者”：“刘伟波”，“年份”：“2017”，“非结构化”：“刘伟波、王自东、刘晓辉、曾念寅、刘玉荣和福阿德·阿尔萨迪。2017年，深度神经网络架构及其应用调查。神经计算234（2017年4月），11-26。DOI:https:\/\/DOI.org\/10.1016\/j.neucom.2016.12.038。10.1016\/j.neucom.2016.12.038刘伟波、王自东、刘晓辉、曾念寅、刘玉荣和福阿德·阿尔萨迪。2017年，深度神经网络架构及其应用调查。神经计算234（2017年4月），11-26。DOI:https:\/\/DOI.org\/10.1016\/j.neucom.2016.12.038.“}，{”key“：”e_1_3_2_1_22_1“，”volume-title“：”机载离散返回激光雷达与高光谱数据的融合，用于土地覆盖分类。遥感8（12“，”author“：”罗社洲“，”year“：”2015“，”unstructured“：”罗社洲、王成、习晓环、曾洪成、李栋、夏绍波和王平华。2015.机载离散返回激光雷达和高光谱数据的融合，用于土地覆盖分类。遥感8（2015年12月12日），3。DOI:https:\/\/DOI.org\/10.3390\/rs8010003。10.3390\/rs8010003骆朔洲、王成、习晓环、曾洪成、李栋、夏少波和王平华。2015.机载离散返回激光雷达和高光谱数据的融合，用于土地覆盖分类。遥感8（2015年12月12日），3。DOI:https:\/\/DOI.org\/10.3390\/rs8010003.“}，{“key”：“e_1_3_2_1_23_1”，“volume-title”：“LAND覆盖基于随机森林方法的分类，使用全波形LiDAR数据的特征。ISPRS-Int.Arch.Photogramma.Remote Sens.Spat.Inf.Sci.XLII-2\/W7（9月），“author”：“Ma Lian”，“year”：“2017”，“unstructured”：“连马，梅周，李传荣，2017。使用全波形激光雷达数据的特征，基于随机森林方法的土地覆盖分类。ISPRS-国际架构（architecture）。照片。远程传感器垃圾邮件。信息科学。XLII-2\/W7（2017年9月），263--268。内政部：https:\/\/DOI.org\/10.5194\/isprs-archives-XLII-2-W7-263-2017。10.5194\/isprs-archives-XLII-2-W7-263-2017连马、梅周和李传荣，2017。使用全波形激光雷达数据的特征，基于随机森林方法的土地覆盖分类。ISPRS-国际架构（architecture）。照片。远程传感器垃圾邮件。信息科学。XLII-2\/W7（2017年9月），263--268。DOI:https:\/\/DOI.org\/10.5194\/isprs-archives-XLII-2-W7-263-2017。分析用于城市地区分类的全波形激光雷达数据。Cl\u00e9ment Mallet Uwe Soergel和Fr\u00e 9d\u00e9 ric Bretar。2008年。城市地区分类的全波形激光雷达数据分析。“}，{”key“：”e_1_3_2_1_26_1“，”volume-title“：”图像分析与处理---ICAP“，“author”：“Maset Eleonora”，“year”：“2015”，“unstructured”：“Eleonora-Maset，Roberto Carniel，and Fabio Crosilla.2015。通过自组织地图对原始全波形机载激光雷达数据进行无监督分类。图像分析与处理——ICIAP 2015，Vittorio Murino和Enrico Puppo（编辑）。施普林格国际出版社，商会，62-72。Eleonora Maset、Roberto Carniel和Fabio Crosilla。2015。通过自组织地图对原始全波形机载激光雷达数据进行无监督分类。图像分析与处理——ICIAP 2015，Vittorio Murino和Enrico Puppo（编辑）。Springer International Publishing，Cham，62-72.“}，{”key“：”e_1_3_2_1_27_1“，”首页“：”1“，”article-title“：”使用连接运算符从机载LiDAR数据生成数字地形模型的计算效率方法“，”volume“：“7”，”author“：”Mongus Domen“，”year“：”2013“，”unstructured“：”Domen Mongus和Borut 017dalik。2013 . 使用连接运算符从机载LiDAR数据生成数字地形模型的计算效率方法。IEEE J.选择。顶部。申请。地球观测卫星遥感器7，1（2013年5月），340-351。DOI:https:\/\/DOI.org\/10.109\/JSTARS.2013.2262996。10.1109 \/JSTARS.2013.2262996 Domen Mongus和Borut\u017dalik。2013.使用连接的操作员从机载激光雷达数据生成数字地形模型的计算效率方法。IEEE J.选择。顶部。申请。地球观测卫星遥感器7，1（2013年5月），340-351。DOI:https:\/\/DOI.org\/10.109\/JSTARS.2013.2262996.“，”journal-title“：”IEEE J.Sel。顶部。申请。Earth Obs.Remote Sens.“}，{”key“：”e_1_3_2_1_28_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1117\/1.3229944”}，“key”：“e_1_3_2_1_29_1”，“volume-title”：“IEEE计算机视觉和模式识别会议论文集.652-660”，“author”：“Qi Charles R”，“year”：“2017”，“unstructured”：“Charles R Qi、Hao Su、Kaichun Mo和Leonidas J Guibas。2017 . Pointnet：针对3D分类和分割的点集的深度学习。IEEE计算机视觉和模式识别会议论文集。652--660 . Charles R Qi、Hao Su、Kaichun Mo和Leonidas J Guibas。2017.Pointnet：深入学习三维分类和分割的点集。IEEE计算机视觉和模式识别会议论文集。652--660.“}，{”key“：”e_1_3_2_1_30_1“，”unstructured“：”Charles Ruizhongtai Qi Li Yi Hao Su和Leonidas J Guibas.2017。Pointnet++：度量空间中点集的深度分层特征学习。神经信息处理系统进展。5099--5108. 查尔斯·瑞中泰（Charles Ruizhongtai Qi Li Yi Hao Su）和列奥尼达斯·吉巴斯（Leonidas J Guibas）。2017.Pointnet++：在度量空间中对点集进行深度分层特征学习。神经信息处理系统进展。5099-5108.“}，{”key“：”e_1_3_2_1_31_1“，”volume-title“：”ASPRS 2009年年会.1-9.“，”author“：”Reitberger Josef“，”year“：”2009“，”unstructured“：”Josef Reitberge，Peter Krzystek，and Uwe Stilla.2009.机载全波LiDAR对单株树进行三维分割和分类的益处。在ASPRS 09年年会上。1-9。约瑟夫·雷特伯格（Josef Reitberger）、彼得·科兹斯特克（Peter Krzystek）和乌维·斯蒂拉（Uwe Stilla）。2009年。机载全波形激光雷达用于单棵树的3D分割和分类的优势。在ASPRS 2009年年度会议上。1-9.“}，{”key“：”#cr-split#-e_1_3_1_32_1.1“，”doi-asserted-by“：”crossref“，”unstructured“：”S.Schmohl and U.S.S\u00f6rgel.2019。大规模ALS点云语义分割的子流形稀疏卷积网络。ISPRS Ann.照片。远程传感器垃圾邮件。通知。科学。IV-2\/W5（2019年5月）77-84。内政部：https:\/\/DOI.org\/10.5194\/isprs-annals-IV-2-W5-77-2019。10.5194“，“DOI”：“10.5194”，“key”：“#cr-split#-e_1_3_2_1_32_1.2”，“DOI-asserted-by”：“crossref”，《非结构化》：“S.Schmohl and U.S.u00f6rgel.2019。大规模ALS点云语义分割的子流形稀疏卷积网络。ISPRS Ann.照片。远程传感器垃圾邮件。通知。科学。IV-2\/W5（2019年5月）77-84。DOI:https:\/\/DOI.org\/10.5194\/isprs-annals-IV-2-W5-77-2019.“，”DOI“：”10.5194\/ipsrs-annalis-IV-2-W5-77-2019“}，{“key”：“e_1_3_2_1_33_1”，“DOI-asserted-by”：“publisher”，”DOI:“10.1109\/ISM46123.2019.0060”}，“key“：”e_1_ 3_2_1_1_34_1“，”DOI-assert-by“：”publisher“，“DOI”：“10.1016\/j.rse.2009.06.010”}，{“key”：“e_1_3_2_1_35_1”，“DOI-asserted-by”：“publisher”DOI“：”10.1109\/ICCV.2015.114“｝，｛”key“：”e_1_3_2_1_36_1“，”DOI由“：”publisher“断言，”DOI“：”10.1080\/0131160701736398“｝，｛”key“：”e_1_3_2_37_1“，”volume title“：”基于城市激光雷达数据像素比较特征的随机森林分类器。ISPRS J.Photogram.Remote Sens.148（2月），“作者”：“王赤生”，“年份”：“2019”，“非结构化”：“2019年，王赤生、舒奇奇、王新余、郭波、刘鹏和李清泉。基于城市激光雷达数据像素比较特征的随机森林分类器。ISPRS摄影杂志。遥感器148（2019年2月），75-86。DOI:https:\/\/DOI.org\/10.1016\/j.isprsjprs.2018.12.009。10.1016\/j.isprsjprs.2018.12.009王赤生、舒琦琦、王新余、郭波、刘鹏和李清泉，2019年。基于城市激光雷达数据像素比较特征的随机森林分类器。ISPRS J.摄影。遥感148（2019年2月），75-86。DOI:https:\/\/DOI.org\/10.1016\/j.isprsjprs.2018.12.009.“}，{“key”：“e_1_3_2_1_38_1”，“volume-title”：“用于土地覆盖分类的LiDAR波形数据和高光谱图像的融合。ISPRS j.Photogram.Remote Sens.108（10月），“author”：“Wang Hongzhou”、“year”：“2015”，“unstructured”：“Hongzhuan Wang和Craig Glennie.2015”。波形激光雷达数据和高光谱图像的融合，用于土地覆盖分类。ISPRS J.摄影。遥感108（2015年10月），1--11。内政部：https:\/\/DOI.org\/10.1016\/j.isprsjprs.2015.05.012。10.1016 \/j.isprsjprs.2015.05.012王洪洲和克雷格·格伦尼。2015.波形激光雷达数据和高光谱图像的融合，用于土地覆盖分类。ISPRS J.摄影。《遥感108》（2015年10月），1-11。DOI:https:\/\/DOI.org\/10.1016\/j.isprsjprs.2015.05.012.“}，{“key”：“e_1_3_2_1_39_1”，“DOI-asserted-by”：“publisher”，”DOI“：”10.1109\/CVPR.2018.00274“}”，{”key“：”e_1_ 3_2_1_40_1“，”DOI-assert-by“：”publisher“，卷时间“：”面向机载LiDAR点云分类的方向约束全卷积神经网络。arXiv预印本arXiv:1908.06673“，“作者”：“文从聪”，“年份”：“2019”，“非结构化”：“文从聪、杨丽娜、凌鹏、李翔和池天河。2019.机载LiDAR点云分类的方向约束全卷积神经网络。arXiv预印本arXiv:1908.06673（2019）。文聪聪、杨丽娜、凌鹏、李翔和池天河。2019.机载LiDAR点云分类的方向约束全卷积神经网络。arXiv预印本arXiv:1908.06673（2019）。“}，{”key“：”e_1_3_2_1_42_1“，”article-title“：”使用端到端深度学习对ALS点云进行分类“，”volume“：“87”，”author“：”Winiwarter Lukas“，”year“：”2019“，”unstructured“：”Lukas Winiwarer、Gottfried Mandlburger、Stefan Schmohl和Norbert Pfeifer.2019.使用端到端深学习对ALS点云进行分级。PFG-J。照片。遥感地理信息。科学。87，3（2019年9月1日），75-90。DOI:https:\/\/DOI.org\/10.1007\/s41064-019-00073-0。10.1007 \/s41064-019-00073-0卢卡斯·维尼瓦特（Lukas Winiwarter）、戈特弗里德·曼德尔伯格（Gottfried Mandlburger）、斯特凡·施莫尔（Stefan Schmohl）和诺伯特·普费弗（Norbert Pfeifer）。2019.使用端到端深度学习对ALS点云进行分类。PFG-J.照片。遥感地理信息。科学。87，3（2019年9月1日），75-90。DOI:https:\/\/DOI.org\/10.1007\/s41064-019-00073-0.“，”journal-title“：”PFG-J.Photogram。远程传感器地理信息。科学。“}，{”key“：”e_1_3_2_1_43_1“，”volume-title“：”IEEE计算机视觉与模式识别会议论文集.1912-1920“，”author“：”Wu Zhirong“，”year“：”2015“，”unstructured“：”吴志荣（Zhirong Wu）、宋树然（Shuran Song）、阿迪蒂亚·科斯拉（Aditya Khosla）、余费雪（Fisher Yu）、张林刚（Lingang Zhang）、汤晓鸥（Xiaou Tang）和肖建雄（Jianxing Xiao）。2015 . 3D形状网：体积形状的深度表示。在IEEE计算机视觉和模式识别会议记录中。1912-1920 . 吴志荣（Zhirong Wu）、宋树然（Shuran Song）、阿迪蒂亚·科斯拉（Aditya Khosla）、余费雪（Fisher Yu）、张林刚（Lingang Zhang）、汤晓鸥（Xiaou Tang）和肖建雄（Jianxing Xiao）。2015.3D形状：立体形状的深度表示。在IEEE计算机视觉和模式识别会议记录中。1912-1920.“}，{”key“：”e_1_3_2_1_44_1“，”doi-asserted-by“：”publisher“，“doi”：“10.1109\/ISM46123.2019.0062”}，“key”：“e_1_3_2_1_45_1”，“doi-assert-by”：“publisher”，”doi“：”10.3390\/rs9010014“}”，{9090936“}，{“键”：“e_1_3_2_1_47_1”，“首页”：“10”，“文章标题”：“机载激光扫描仪数据的分割和多尺度卷积神经网络分类”，“卷”：“18”，“作者”：“杨志双”，“年份”：“2018”，“非结构化”：“杨志双、谭波、裴慧坤、蒋万寿。2018 . 机载激光扫描仪数据的分割和基于多尺度卷积神经网络的分类。传感器18、10（2018年10月），3347。DOI:https:\/\/DOI.org\/10.3390\/s18103347。10.3390 \/s18103347杨志双、谭波、裴慧坤和蒋万寿。2018.机载激光扫描仪数据的分段和基于多尺度卷积神经网络的分类。传感器18、10（2018年10月），3347。DOI:https:\/\/DOI.org\/10.3390\/s18103347.“，”journal-title“：”Sensors“}，{“key”：“e_1_3_2_1_48_1”，“volume-title”：“在点云数据语义分类中使用深度学习”，“author”：“姚轩霞”，“year”：“2019”，“unstructured”：“Xuanxia Yao，Jia Guo，Juan Hu，and Qixuan Cao.2019。将深度学习用于点云数据的语义分类。IEEE接入7（2019年3月），37121-37130。DOI:https:\/\/DOI.org\/10.109\/ACCESS.2019.2905546。10.1109 \/访问2019.2905546姚轩霞、贾果、胡娟和曹奇轩。2019.在点云数据的语义分类中使用深度学习。IEEE接入7（2019年3月），37121-37130。DOI:https:\/\/DOI.org\/10.109\/ACCESS.2019.2905546.“}，{“key”：“e_1_3_2_1_49_1”，“volume-title”：“用于三维点云语义标记的多尺度完全卷积网络。ISPRS J.Photogram.Remote Sens.143（9月），“author”：“Yousefhussien Mohammed”，“year”：“2018”，“unstructured”：“穆罕默德·优素福西恩（Mohammed Yousefhussien）、大卫·凯尔贝（David J Kelbe）、埃米特·伊恩蒂卢奇（Emmett J Ientilucci）和卡尔·萨尔瓦乔（Carl Salvaggio）。2018年。三维点云语义标记的多尺度全卷积网络。ISPRS J.摄影。遥感器143（2018年9月），191--204。DOI:https:\/\/DOI.org\/10.1016\/j.isprsjprs.2018.03.018。2016年10月10日\/j.isprsjprs.2018年3月18日Mohammed Yousefhussien、David j Kelbe、Emmett j Ientilucci和Carl Salvaggio。2018年。三维点云语义标记的多尺度全卷积网络。ISPRS J.摄影。遥感143（2018年9月），191-204。DOI:https:\/\/DOI.org\/10.1016\/j.isprsjprs.2018.03.018.“}，{“key”：“e_1_3_2_1_50_1”，“首页”：“1”，“article-title”：“通过图卷积网络从林区ALS点云提取DEM”，“volume”：”12“，“author”：“Zhang Jinming”，“year”：“2020”，“unstructured”：“张金明、胡祥云、戴恒明和曲神润。2020 . 基于图卷积网络的林区ALS点云DEM提取。远程传感器12，1（2020年1月）。DOI:https:\/\/DOI.org\/10.3390\/rs12010178。10.3390\/rs112010178张金明、胡祥云、戴恒明和曲申润。2020。通过图卷积网络从林区ALS点云提取DEM。遥感12，1（2020年1月）。DOI:https:\/\/DOI.org\/10.3390\/rs12010178.“，”journal-title“：”Remote Sens.“}，{“key”：“e_1_3_2_1_51_1”，“volume-title”：“基于深度学习的点云语义分割综述”（十一月），“author”：“Zhang Jiaying”，“year”：“2019”，“unstructured”：“Jiaying Zhang，Xiaoli Zhao，Zheng Chen，and Zhejun Lu.2019。基于深度学习的点云语义分割综述（2019年11月）。IEEE接入（2019年12月）。DOI:https:\/\/DOI.org\/10.109\/ACCESS.2019.2958671。10.1109 \/ACCESS.2019.2958671张嘉颖、赵晓丽、郑晨和陆哲军。2019。基于深度学习的点云语义分割综述（2019年11月）。IEEE接入（2019年12月）。DOI:https:\/\/DOI.org\/10.109\/ACCESS.2019.2958671.“}，{”key“：”e_1_3_2_1_52_1“，”DOI-asserted-by“：”publisher“，“DOI”：“10.1016\/j.rse.2009.03.006”}，“key”：“e_1_ 3_2_1 _53_1”，“DOI-assert-by”：“publisher”，”DOI“：”10.1080\/13658816.2018.1431840 4_1“，”卷标签“：”基于支持向量机的全波形激光雷达数据的土地覆盖分类。ISPRS-国际架构（architecture）。照片。远程传感器垃圾邮件。通知。科学。XLI-B3（06“，“作者”：“周梅”，“年份”：“2016”，“非结构化”：“梅周，李春星，马玲玲，关宏灿，2016。基于支持向量机的全波形激光雷达数据的土地覆盖分类。ISPRS-国际架构（architecture）。照片。远程传感器垃圾邮件。通知。科学。XLI-B3（2016年6月6日），447--452。DOI:https:\/\/DOI.org\/10.5194\/isprs-archives-XLI-B3-447-2016。10.5194\/isprs-archives-XLI-B3-447-2016梅周、李春星、马玲玲和关宏灿。2016.基于支持向量机的全波形激光雷达数据的土地覆盖分类。ISPRS-国际架构（architecture）。照片。远程传感器垃圾邮件。通知。科学。XLI-B3（2016年6月6日），447--452。DOI:https:\/\/DOI.org\/10.5194\/isprs-archives-XLI-B3-447-2016SIGSPATIAL ACM空间信息特别兴趣小组“]}，“container-title”：[“第28届国际地理信息系统进展会议记录”]，“original-title“：[]，“link”：[{“URL”：“https:\/\/dl.ACM.org\/doi\/pdf\/10.1145\/3397536.342209”，“content-type”：“unspecified”，“content-version”：“vor”，“intended-application“：”similarity-checking“}]，”deposed“：{”date-parts“：[2023,1,5]]，”date-time“：”2023-01-05T21:38:56Z“，”timestamp“：1672954736000}，”score“：1，”resource“：”primary“：[2020,11,3]]}，“引用计数”：56，“alternative-id“：[”10.1145\/3397536.3422209“，”10.1145\/3397536“]，”URL“：”http://\/dx.doi.org\/10.1145\/3395536.342220“，”关系“：{}，”主题“：[]，”发布“：{”日期部分“：[[2020,11,3]]}，“断言”：[{“值”：“2020-11-13”，“顺序”：2，“名称”：“已发布”，“标签”：“发布的”，“组”：{“名称”：“publication_history”，“label”：“publication history”}}]}}