GoogLeNet神经网络的复杂交叉路口识别方法

• 作者: 张鸿刚 李成名 武鹏达 殷勇 郭曼
• 来源期刊: 测绘科学
• 学科: 地球科学
• 关键词: 复杂交叉路口识别 矢栅结合 Delaunay三角网聚类 GoogLeNet神经网络
• 年，卷（期）: 2020,（10）
• 所属期刊栏目: 地图学与地理信息
• 页码范围: 190-197
• 页数: 8页
• 分类号: P208
• 语种: 中文
• DOI: 10.16251/j.cnki.1009-2307.2020.10.027

摘要

针对传统识别方法多依赖于人工设计的低层次特征,未能有效描述复杂交叉路口的细节特征,导致识别类型有限、精度不高的问题,该文提出一种基于GoogLeNet神经网络的复杂交叉路口识别方法:首先利用交叉路口结点密集的特征,构建Delaunay三角网进行点群聚类,初步确定复杂交叉路口中心位置及空间范围;其次,在全国范围内选取39个重要城市路网作为训练样本,并充分利用矢量数据结构优势,以简化、旋转、镜像等方式丰富样本类型及容量;最后,针对其局部特征丰富的特点,选取GoogLeNet神经网络进行训练,以学习其高层次模糊性特征.以天津OSM城市路网为例的实验表明,本文方法能够有效识别复杂交叉路口,且明显提高了识别的精度和准度,具有较强地泛化性和抗干扰性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李成名		187	2819	28.0	46.0
2	殷勇		26	68	4.0	7.0
3	武鹏达		19	35	2.0	5.0
4	张鸿刚		5	0	0.0	0.0
5	郭曼		3	0	0.0	0.0