利用孪生多层感知机进行线状要素几何相似性判别

论文摘要

针对传统的几何相似性判别方法依赖于人工特征的定义和选取,且难以确定合适阈值的问题,提出一种基于孪生多层感知机的线状要素几何相似性判别方法。该方法将线状要素的几何数据转换为二值图像,利用孪生网络和多层感知机提取线状要素的低维模糊性特征;并通过距离函数计算特征差异,判别线状要素的几何相似性。实验表明,该方法在线状要素几何相似性判别中具有良好的效果,同时具有快速迁移学习的能力;并随样本库的扩充和神经网络模型的优化还有进一步改进的空间。

论文目录

• 1 孪生网络和多层感知机的概念及判别策略
•   1.1 孪生网络与多层感知机
•   1.2 线状要素几何的相似性判别策略
• 2 同名线状要素的初步定位以及样本获取
•   2.1 要素对的生成
•   2.2 采样参数确定
•     2.2.1 样本图像尺寸和要素的确定
•     2.2.2 要素比例尺的确定
•     2.2.3 采样线化宽度的确定
•   2.3 样本数据增强
• 3 采用孪生多层感知机对样本进行相似性判别模型训练
•   3.1 多层感知机设计
•   3.2 损失值计算
•   3.3 训练网络模型
• 4 实验与分析
• 5 结论

文章来源

类型: 期刊论文

作者: 徐立,成毅,葛文,马焜阳,孙梦婷

关键词: 深度学习,孪生多层感知机,线状要素,几何相似性,迁移学习

来源: 测绘科学技术学报 2019年03期

年度: 2019

分类: 基础科学,信息科技

专业: 自然地理学和测绘学,计算机软件及计算机应用

单位: 信息工程大学,西安测绘总站

基金: 国家自然科学基金项目(41571399,41801313,41901397)

分类号: P208

页码: 298-303

总页数: 6

文件大小: 2070K

下载量: 123