基于半监督学习的三维Mesh建筑物立面提取与语义分割方法

面向三维 Mesh数据的建筑物立面自动提取与语义分割在智慧城市建模与分析、数字孪生城市、城市规划建设等领域中应用广泛.拟基于深度学习方法构建面向三维 Mesh 数据的建筑物立面语义分割模型.当前,大量基于卷积神经网络的深度学习模型均是全监督学习方法,其性能严重依赖于人工标注的训练集质量.但高质量的Mesh三维场景人工标注数据集昂贵且稀缺,鉴于此,在自动提取建筑物立面数据的基础上,提出一种基于 mean-teacher半监督学习的三维建筑物立面语义分割方法,并引入特征空间关系正则化,结合空间和特征方面的邻域结构,利用无标签数据来提升模型分类精度.构建了一个全新的基于三维 Mesh数据的建筑物立面数据集,并通过实验验证了提出方法的有效性和可用性.