测绘科学

2017, v.42;No.234(12) 171-177

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

机器自监督学习的建筑物面要素几何形状度量
Geometry shape measurement of building surface elements based on self-supervised machine learning

马磊;闫浩文;王中辉;刘波;吕文清;

摘要(Abstract):

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。

关键词(KeyWords): 机器自监督学习;建筑物面要素;几何形状度量;深度学习;神经网络

Abstract:

Keywords:

基金项目(Foundation): 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)

作者(Author): 马磊;闫浩文;王中辉;刘波;吕文清;

Email:

DOI: 10.16251/j.cnki.1009-2307.2017.12.029

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享