卷积神经网络支持下的建筑物选取方法EI北大核心CSCD |
| |
引用本文: | 安晓亚,朱余德,晏雄锋.卷积神经网络支持下的建筑物选取方法EI北大核心CSCD[J].测绘学报,2023(9):1574-1583. |
| |
作者姓名: | 安晓亚 朱余德 晏雄锋 |
| |
作者单位: | 1.西安测绘研究所710054;2.地理信息工程国家重点实验室710054;3.广东国地规划科技股份有限公司510650;4.同济大学测绘与地理信息学院200092; |
| |
基金项目: | 地理信息工程国家重点实验室基金资助项目(SKLGIE2020-Z-4-1)。 |
| |
摘 要: | 建筑物选取是地图综合的关键步骤,需要考虑目标大小、方向、形状、密度等多种上下文因子进行重要性评价与选取决策。现有方法大多考虑单一或少数几个因子,通过人工设置选取规则与参数,导致选取模型适应性不强。本文构建一种数据驱动的图卷积神经网络选取方法,该方法利用Delaunay三角网将建筑物目标组织为图结构,节点表示建筑物中心点,连接边体现建筑物之间的邻近关系,并计算建筑物的大小、方向、形状、密度特征作为对应节点的描述特征;然后叠加多个图傅里叶卷积运算构建图学习模型,并采用半监督学习方式训练模型,使之具备决策单个建筑物保留与否的能力。试验表明,本文方法能从少量的标注样本中有效地学习建筑物选取知识,在保留重要个体目标的同时也能较好地保持原有空间分布密度关系,克服传统方法在规则定义与参数设置方面的难题且不依赖于大量人工标注,为建筑物综合选取的智能化实施提供潜在的技术途径。
|
关 键 词: | 地图综合 建筑物选取 图卷积神经网络 半监督学习 |
本文献已被 维普 等数据库收录! |
|