10.3969/j.issn.1000-1220.2021.02.032
融合卷积神经网络与多层感知器的鞍部识别方法
针对传统鞍部识别方法中特征选择困难及未考虑鞍部与其它地形要素的共生关系等问题,利用深度卷积神经网络的特征自学习性能,提出了一种卷积神经网络与多层感知器相结合的混合模型实现DEM数据中的鞍部要素识别.首先设计改进的卷积神经网络模型自动提取鞍部的深度特征,经过Softmax分类器得到候选鞍部点,再运用多层感知器对候选鞍部点的位置进行精细回归,标识出最终的鞍部要素坐标.通过自建的鞍部样本集SADDLE-100训练网络模型,并在三种不同的山地样区进行实验,实验结果表明该方法比其它鞍部识别方法的漏提率减少约50%,正确识别率提高6.7%,在一定程度上避免了人工选择特征造成的鞍部语义信息缺失现象,为DEM中的点状要素识别提供了新的技术途径.
卷积神经网络、特征融合、多层感知器、鞍部识别
42
TP391(计算技术、计算机技术)
陕西省自然科学基础研究计划项目;地理信息工程国家重点实验室开放基金项目
2021-03-29(万方平台首次上网日期,不代表论文的发表时间)
共5页
409-413