2020-MS-RRFSegNet: Multiscale Regional Relation Feature Segmentation Network for Semantic Segmentation of Urban Scene Point Clouds
时间：2020
期刊：IEEE Transactions on Geoscience and Remote Sensing
地址：https://github.com/Megasister/MS_RRFSegNet
一、创新
为了解决点云的无序性、不均匀性、大场景的点云计算消耗大的问题，提出了一种先对点云过分割得到超体素，然后对超体素进行语义分割的方法。
二、具体实现
1、Supervoxels and Embedding Representation
使用超体素作为基本的处理单元，不但减少了计算复杂度解决了点云分布的不均衡问题，而且有效地扩大了感受野以获取更丰富的上下文信息。
提出一种超体素自动编码策略，对超体素内的点云进行特征编码，将重建的损失函数作为优化对象：
2、RRFRM（Region Relation Feature Represent Module）
通过构建中心超体素与其邻域超体素之间的图关系，将邻域超体素的特征嵌入到中心超体素上：
3、MS-RRFSegNet
未解决样本的极度不均衡问题，所使用的loss函数（加权交叉熵损失）如下：
其中：
三、实验
NPM3D
Semantic3d
