一种基于迁移学习的栅格型图表自动分类方法

摘要：

图表自动分类是实现图表内容解译及信息提取的前提.基于Inception V3模型,采用迁移学习的方法,对图表自动分类方法进行了研究,提出了对5类栅格图表进行自动分类的模型.通过与传统的图表自动分类方法的对比试验,测试了在不同学习率参数下模型的分类效果,给出了针对结构化特征的指数衰减学习率的数学表达式.结果表明:采用迁移学习策略,重点改进学习率参数,可以克服传统图表分类方法的不足,较为高效准确地实现对栅格型图表的自动分类工作.

关键词：深度学习、卷积神经网络、Inception V3模型、迁移学习、图像分类、栅格图表

所属期刊栏目：38

分类号：P289(地图制图学（地图学）)

资助基金：国家重点研发计划2017YFB0503500

在线出版日期：2021-07-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：75-82