基于深度学习的建筑物识别

• 作者: 杨宏志 林金朝 邓瑞
• 来源期刊: 重庆工商大学学报（自然科学版）
• 学科: 工学
• 关键词: 深度学习 建筑物识别 城市化
• 年，卷（期）: 2019,（4）
• 页码范围: 17-22
• 页数: 6页
• 分类号: TP391.1
• 字数: 3710字
• 语种: 中文
• DOI: 10.16055/j.issn.1672-058X.2019.0004.003

摘要

针对随着城市化的快速发展,城市与城市间的辨识度越来越弱,城市地标的概念越来越热门这一现象,提出了一种基于深度学习的建筑物识别方法;使用改进的Faster R-CNN算法作为训练模型,首先,将需要识别的图片输入深度神经网络,提取出特征框图;然后,模型通过区域建议网络预测目标建筑物所在位置的区域建议,并将这些区域建议映射到特征框图上,RoI Pooling层将这些区域建议转换成固定大小的特征框图;最后使用非极大值抑制从预测边界框中移除相似的结果,得到预测边界框以及边框中目标建筑物的类别和概率;实验结果表明:在训练数据集充足的条件下,使用此方法对地标建筑物的识别率能达到90.8％,通过与其他模型比较分析,该模型具有较好的识别效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	林金朝	重庆邮电大学通信与信息工程学院	67	381	9.0	18.0
2	杨宏志	重庆邮电大学通信与信息工程学院	2	0	0.0	0.0
3	邓瑞	重庆邮电大学通信与信息工程学院	1	0	0.0	0.0