机器自监督学习的建筑物面要素几何形状度量

• 作者: 刘波 吕文清 王中辉 闫浩文 马磊
• 来源期刊: 测绘科学
• 学科: 地球科学
• 关键词: 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
• 年，卷（期）: 2017,（12）
• 所属期刊栏目: 应用研究
• 页码范围: 171-177
• 页数: 7页
• 分类号: P208
• 字数: 5639字
• 语种: 中文
• DOI: 10.16251/j.cnki.1009-2307.2017.12.029

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王中辉	兰州交通大学测绘与地理信息学院	36	218	7.0	13.0
3	闫浩文	兰州交通大学测绘与地理信息学院	146	1360	19.0	30.0
9	吕文清	兰州交通大学测绘与地理信息学院	6	10	2.0	2.0
10	马磊	兰州交通大学测绘与地理信息学院	6	7	2.0	2.0
14	刘波	兰州交通大学测绘与地理信息学院	3	5	2.0	2.0