测绘科学

2020, v.45;No.268(10) 190-197

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

GoogLeNet神经网络的复杂交叉路口识别方法
A complex junction recognition method based on GoogLeNet model

张鸿刚;李成名;武鹏达;殷勇;郭曼;

摘要(Abstract):

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。

关键词(KeyWords): 复杂交叉路口识别;矢栅结合;Delaunay三角网聚类;GoogLeNet神经网络

Abstract:

Keywords:

基金项目(Foundation): 国家自然科学基金面上项目(41871375);; 中国测绘科学研究院基本科研业务费项目(AR1909,AR1916,AR1917,AR1935)

作者(Author): 张鸿刚;李成名;武鹏达;殷勇;郭曼;

Email:

DOI: 10.16251/j.cnki.1009-2307.2020.10.027

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享