利用卷积神经网络进行"问题地图"智能检测
针对当前中国"问题地图"审核依赖人工目视判别效率低下的问题,提出一种端到端的小样本场景下基于卷积神经网络的多尺度特征融合自适应"问题地图"检测方法.通过对数据集进行实时增强,克服了卷积神经网络需要大量训练样本的问题.通过融合多个不同尺度下的地图,实现了多尺度下的"问题地图"显著错误区域的智能检测.利用版图错误区域属性对区域建议网络进行优化,进一步提高检测的精度.并通过实验验证了所提方法的有效性.相较于现有的"问题地图"检测方法,所提方法的准确率提高8倍,为大规模"问题地图"检测提供了新方法.
"问题地图"、卷积神经网络、目标检测、多尺度特征融合、小样本场景
46
P289(地图制图学(地图学))
国家重点研发计划;中国工程科技知识中心建设项目
2021-06-21(万方平台首次上网日期,不代表论文的发表时间)
共8页
570-577