机器自监督学习的建筑物面要素几何形状度量

发布时间：2018-09-11 12:06

【摘要】：针对传统方法在度量建筑物面要素几何形状时,未能考虑形状认知的视觉特征因素且形状特征需要人为定义等问题,该文提出一种建筑物几何形状度量方法。首先,利用深度卷积神经网络的图像特征学习特性,结合自动编码机的自监督学习能力,构建基于机器自监督学习的建筑物面要素几何形状度量神经网络;其次,利用建筑物图像形状大数据对网络进行训练;最后,利用训练完成的神经网络识别并提取建筑物形状特征集并作为形状度量的结果。实验表明,该方法形状度量结果区分度高,一定程度上克服了人为定义形状特征的缺点,且与视觉感知结果基本一致。
[Abstract]:In order to solve the problem that traditional methods fail to consider the visual features of shape cognition and shape features need to be defined artificially when measuring the geometric shape of building surface elements, this paper proposes a new method for measuring the geometric shape of buildings. Secondly, the network is trained by using the large shape data of the building image. Finally, the neural network is used to recognize and extract the shape feature set of the building as the result of shape measurement. The shape measurement results have high discrimination, which overcomes the shortcomings of artificially defined shape features to a certain extent, and are basically consistent with the visual perception results.
【作者单位】： 兰州交通大学测绘与地理信息学院;甘肃省地理国情监测工程实验室;
【基金】：国家重点研发计划项目(2017YFB0504203) 国家自然科学基金项目(41671447,71563025,41371435,41561090)
【分类号】：P204;TP391.41

【相似文献】

相关期刊论文 前7条

1 李秀坤;;冷却塔几何形状的近景摄影检测法[J];矿山测量;1991年04期

2 何吉欢;不规则几何形状的面积近似公式[J];测绘通报;1998年08期

3 李伟倩;李广文;;X光摄影测量[J];铁路航测;1993年03期

4 蔡永香;郭庆胜;;基于神经网络的街道渐进式选取[J];测绘信息与工程;2008年05期

5 张婷,汤国安,王峥,陈莉,王春;基于神经网络的地面坡度与其他地形定量因子关联性分析——以黄土高原丘陵沟壑区实验为例[J];山地学报;2004年04期

6 熊桢,郑兰芬,童庆禧;分层神经网络分类算法[J];测绘学报;2000年03期

7 詹云军;黄解军;吴艳艳;;基于神经网络与元胞自动机的城市扩展模拟[J];武汉理工大学学报;2009年01期

相关会议论文 前1条

1 姚焕炯;徐朝树;李波;;基于神经网络的激光扫描数据拟合[A];中国测绘学会九届四次理事会暨2008年学术年会论文集[C];2008年

相关博士学位论文 前1条

1 汪艳霞;面向更新应用的基于PSO神经网络面状目标匹配方法研究[D];武汉大学;2014年

相关硕士学位论文 前7条

1 武创举;基于神经网络的遥感图像分类研究[D];昆明理工大学;2015年

2 赵爽;基于卷积神经网络的遥感图像分类方法研究[D];中国地质大学(北京);2015年

3 余志飞;基于GIS与BP神经网络的人口预测与信息管理系统开发研究[D];江西理工大学;2015年

4 夏小鹏;基于ESN模型的北京市PM2.5日均浓度污染等级预测与时空分布分析[D];中国地质大学(北京);2015年

5 赵丽娟;基于BP神经网络的遥感影像分类研究[D];东华理工大学;2014年

6 刘玮;GPS技术在道路工程高程控制中的应用研究[D];南京理工大学;2016年

7 蔡伟峰;GPS信号短时缺失情况下的组合导航数据融合方法研究[D];西北大学;2015年

，

本文编号：2236645