地圖在人們的生產(chǎn)生活中發(fā)揮著重要作用,地圖注記中蘊含大量信息,識別地圖名稱注記類別對未來計算機閱讀地圖以及進一步繪制地圖具有重大意義。近年來,熱門的深度學習技術(shù)尤其是卷積神經(jīng)網(wǎng)絡(luò)對解決圖像分類問題具有良好效果,使用訓練集對卷積神經(jīng)網(wǎng)絡(luò)進行訓練,神經(jīng)網(wǎng)絡(luò)模型可以提取出數(shù)據(jù)集圖片中的特征,并不斷調(diào)整模型參數(shù)直到訓練完成。以谷歌的開源框架TensorFlow作為實驗的深度學習平臺,對多部地圖集的多份注記數(shù)據(jù)集進行智能分類研究,從地圖集中人工獲取注記圖片作為樣本數(shù)據(jù)集,構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)模型并嘗試混合訓練和分開訓練兩種方式。實驗表明,混合訓練方式獲得的模型表現(xiàn)更加出色。 

【文章來源】：武漢大學學報(信息科學版). 2020,45(02)北大核心EICSCD

【文章頁數(shù)】：8 頁

【部分圖文】：

稀疏連接原理圖

圖1中底層神經(jīng)元主要進行圖像邊緣的處理、識別，而頂層神經(jīng)元提取的是抽象程度更高的特征，識別等級更高，并能進行分類。圖2共享權(quán)值的機制不僅可減少所需的權(quán)重數(shù)量，而且能實現(xiàn)圖像識別與圖像位置、大小、旋轉(zhuǎn)角度變化的無關(guān)性，具有重要意義。2 兩種訓練方式

這5部地圖集均是行政區(qū)劃圖集，其中包含較為清晰和較多數(shù)量的注記。一般圖像的分類是根據(jù)圖像中的內(nèi)容物體進行分類，比如人物、動物、風景等，而地圖中名稱注記的分類更多的是參考注記所標識要素的類別。因此，根據(jù)地圖集內(nèi)容、顯著表現(xiàn)形式、注記描述要素類型等方面將名稱注記分為4類進行樣本的采集和標注，分別為山峰注記、地名注記、區(qū)域注記和水系注記，地圖中的要素也可按照這4類進行分類。各地圖集的4種注記類型示例如圖3所示。由圖3可知，不同地圖集的4種注記形式各有不同的特點，但整體觀察又存在一些共同特征，比如區(qū)域注記字體都用紅色表示，水系注記字體都用藍色表示，不同類型的注記在字體、字形、字色等方面存在較大的區(qū)分度。

【參考文獻】：
期刊論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)的石刻書法字識別方法[J]. 溫佩芝,姚航,沈嘉煒.  計算機工程與設(shè)計. 2018(03)
[2]一種彩色柵格地圖注記識別方法[J]. 沈意浪,艾廷華,趙榮.  武漢大學學報(信息科學版). 2018(01)
[3]基于ImageNet預訓練卷積神經(jīng)網(wǎng)絡(luò)的遙感圖像檢索[J]. 葛蕓,江順亮,葉發(fā)茂,許慶勇,唐祎玲.  武漢大學學報(信息科學版). 2018(01)
[4]基于ENVI的遙感圖像決策樹分類[J]. 曹洪弟,洪友堂,張偉,田淵.  北京測繪. 2017(02)
[5]面向小間距地圖注記的智能識別研究[J]. 黎達,李勝輝,林大貴,周陽.  測繪與空間地理信息. 2016(02)
[6]連續(xù)屬性完全貝葉斯分類器的學習與優(yōu)化[J]. 王雙成,杜瑞杰,劉穎.  計算機學報. 2012(10)
[7]地圖數(shù)字注記識別的神經(jīng)網(wǎng)絡(luò)方法[J]. 楊云,張子敬.  解放軍測繪學院學報. 1997(01)
[8]模糊聯(lián)想記憶神經(jīng)網(wǎng)絡(luò)及其在地圖數(shù)字注記識別中的應(yīng)用[J]. 謝士杰.  測繪科技動態(tài). 1995(02)
[9]基于神經(jīng)網(wǎng)絡(luò)的地圖數(shù)字注記識別[J]. 劉少創(chuàng),林宗堅.  武漢測繪科技大學學報. 1994(03)

碩士論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)的圖像識別方法研究[D]. 段萌.鄭州大學 2017



本文編號：3415644