基于卷积神经网络的地图相似度匹配方法研究

针对目前基于深度学习的图像分类方法难以提取地图子类图像的高级语义信息，该文采用一种孪生网络结构下利用卷积神经网络提取图像特征计算相似度的方法进行地图子类的识别，将地图样本输入到孪生网络模型中进行训练及测试，并与直方图、灰度共生矩阵两种传统图像相似度计算方法进行对比分析。结果表明，基于孪生网络结构利用卷积神经网络提取图像特征计算地图相似度的方法准确率为93%,比两种传统方法分别高出了48%、43%;F1测度值为93.2%,比两种传统方法分别高出61.1%、26.53%,每张图像的运行速度也可达毫秒级。得出结论：该相似度匹配方法的高准确度和高效性为地图子类图像识别提供了技术方法，为互联网地图监管提供了新的思路。