深度学习的街景行道树自动识别提取研究
针对城市行道树调查中,街景影像背景环境复杂多变、行道树个体差异大,依靠目视判读费时费力的问题,该文基于车载移动测量系统采集的全景影像数据,利用深度学习算法,在快速区域卷积神经网络的目标检测方法基础上,建立适用于街景行道树检测的深度神经网络模型.模型采用基于共有显著性区域及冗余策略的行道树多示例目标候选区域选择方法,使用车载图像的几何约束进一步筛选合适的候选区域,从而实现行道树目标候选区域的统一选择,提升行道树目标的检测效果.实验结果表明,该文提出的方法能够实现多种行道树的准确自动识别与提取,进而大大降低行道树绿化调查的成本.
卷积神经网络、候选区域选择、目标检测、行道树
46
P237(摄影测量学与测绘遥感)
国家自然科学基金;江苏省研究生科研与实践创新计划项目
2021-04-06(万方平台首次上网日期,不代表论文的发表时间)
共7页
139-145