10.16251/j.cnki.1009-2307.2020.10.027
GoogLeNet神经网络的复杂交叉路口识别方法
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.
复杂交叉路口识别、矢栅结合、Delaunay三角网聚类、GoogLeNet神经网络
45
P208(一般性问题)
国家自然科学基金面上项目;中国测绘科学研究院基本科研业务费项目
2020-11-30(万方平台首次上网日期,不代表论文的发表时间)
共8页
190-197