共查询到20条相似文献，搜索用时 46 毫秒
1.
针对目前多种网络基于小数据集或国际通用的一些标准数据集进行训练与测试,无法满足从互联网图片中高效识别出地图图片的需求,该文构建了一套基于卷积神经网络的互联网图片分类体系,对自动采集的92543张互联网图片经类型标注后形成样本库,将样本输入残差网络ResNet50和轻量级网络SqueezeNet中进行训练及测试.结果 显示:在地图类中,ResNet50的精确率、召回率分别比SqueezeNet高2.01％、0.32％;前者所耗费的训练、测试时间分别为后者的2.51倍、6.43倍,将上述指标进行归一化处理来综合评价两种网络在地图图片识别中的优越性.得出结论:SqueezeNet网络在地图识别应用中更具优越性,可有效提升在互联网地图图片中所包含"问题地图"的审查效率和及时响应服务. 相似文献
2.
黄龙 《测绘与空间地理信息》2017,40(11)
快速挖掘互联网问题地图是互联网地图监管工作中的重要环节,本文针对互联网地图图片数据量巨大、难以搜寻的难点,研究实现了一种基于问题地图样本库的以图搜图搜索引擎快速挖掘互联网问题地图图片的方法。试验表明,该方法大大缩短了挖掘的时间,在保障匹配准确率的同时也表现出更高的效率。 相似文献
3.
4.
针对地图图片中典型地理目标识别问题,本文首先介绍了两种基于深度学习的目标检测方法(YOLO网络和采用focal loss替换交叉熵损失函数的RetinaNet网络),然后将地图图片分别输入两种神经网络模型中进行训练和测试,最后对目标检测结果进行对比分析。结果表明,RetinaNet网络模型对地图图片进行目标检测的准确率有明显提高,且运行速度依然可达秒级。该地理目标检测方法的高准确度与高效性可在地图审查时节约大量人力、时间成本,为地图内容智能理解及互联网地图监管提供了新的技术参考。 相似文献
5.
6.
7.
网络地图人性化界面设计 总被引：10，自引：0，他引：10
目前网络地图发展迅猛,但界面设计缺少理论指导,仍存在着许多问题.文中首先研究了网络地图的特点和界面内容,对目前网络地图界面设计中存在的突出问题进行归纳.接着提出了基于认知心理学理论的一般性网络地图界面设计原则.最后,对网络地图的用户层次进行分类,举例说明上述设计原则在人性化网络地图界面设计中的应用. 相似文献
8.
利用用户事件模型的网络地图服务策略 总被引：1，自引：0，他引：1
针对Web地图服务存在的并发用户数量受限、响应时间过长、静态瓦片地图服务更新困难、难以满足用户高时效性要求等问题,提出了一种基于用户事件模型的网络地图服务策略,通过网络节点用户的访问状态来启动特定级别地图的渲染过程,并结合服务器端和客户端缓存策略来改善用户体验。实验结果表明,该策略有效地缩短了地图服务的响应时间。 相似文献
9.
论述了在基于ArcMap配图的情况下,应用地图预生成技术原理实现地图的分级切割,并借助图片的缓存机制,解决了WebGIS系统中动态生成图片速率慢、数据传输量大的问题,有效地增强了地图的发布、显示和浏览功能。 相似文献
10.
针对即时定位与地图构建(SLAM)在室内动态环境下定位精度低和地图效果差的问题,提出一种基于几何约束和目标检测的室内动态SLAM方法. 使用目标检测网络获取语义信息,提出运动物体漏检的方法;根据先验知识,提出准确识别动态区域的信息判定方法;结合几何约束和深度学习方法剔除动态点,利用静态点估计相机位姿;根据存储信息构建可闭环的静态地图. 在TUM数据集上进行实验,定位精度比ORB-SLAM2提高97.5%,相较于其他动态SLAM可取得更好的性能. 在室内真实环境进行实验,构建的静态地图更准确,有效提高了室内动态SLAM的定位精度和地图效果. 相似文献
11.
GPS网与旧网的坐标拟合 总被引：1，自引：0，他引：1
随着GPs技术的不断普及,许多城市都在利用它对城市控制网进行改建、扩建.而旧网的坐标资料以及多年积累的成果资料还须利用,这就涉及到新旧坐标的换算问题.本文以吴江市城镇地籍测量为例. 相似文献
12.
Hopfield神经网络有较强的优化计算能力,引入IGGⅢ等价权方案,构造Hopfield神经网络新的能量函数形式,采用共轭梯度法,进一步提高神经网络的效率,并讨论Sigmoid函数的抗差能力。通过模拟水准网算例表明:在无粗差情况下,利用神经网络进行测量平差可以精化模型,提高平差效率,而在有粗差情况下,引入IGGⅢ等价权方案可以使神经网络计算具有较强的抗差能力。 相似文献
13.
目标检测是基于视觉的目标定位关键技术。针对现有车轮检测方法对环境敏感问题，本文提出一种并联式融合循环神经网络和Faster R-CNN的车轮检测模型FusionRNN，借助RNN能够处理时序和CNN能够提取空间域隐性特征的优点，可提高实时性，减少参数量，使模型表达能力更强，同时具备分析序列化向量间语义关系和识别车轮几何特征的能力。该模型能在由激光雷达扫描得到的车轮三维点云投影图中准确检测出车轮位置，为基于AGV自动停车系统搬运车辆提供准确稳定的车辆位置信息。 相似文献
14.
15.
针对小比例尺道路网专题数据少、语义信息缺乏的特点,该文根据小比例尺道路网已有的语义几何属性和拓扑结构,构建一系列参数作为选取依据。将道路网选取抽象为分类问题,提出一种使用径向基函数神经网络和多参数进行道路网选取的方法。相比时下较常用的反向传播神经网络,径向基函数神经网络具有更高效的学习性能。利用径向基函数神经网络的非线性映射能力,对样本进行训练和验证,并选择不同结构类型(放射式、格网式和自由式)的道路网进行选取实验。结果表明,该方法在小比例尺道路网选取研究中具有可行性,且在自动获取选取参数的同时提高了选取精度。 相似文献
16.
In the real world, there are many kinds of phenomena that are represented by points on a network, such as traffic accidents
on a street network. To analyse these phenomena, the basic point pattern methods (i.e. the nearest neighbour distance method,
the quadrat method, the K-function method and the clumping method) defined on a plane (referred to as the planar basic point pattern methods) are extended to the basic point pattern methods on a network (referred to as the network basic point pattern methods). However, like the planar basic point pattern methods, the network basic point pattern methods assume a uniform network
and this assumption is hard to accept when analysing actual phenomena. To overcome this limitation, this paper formulates
a transformation, called the uniform network transformation, that transforms a non-uniform network into a uniform network. This transformation provides a simple procedure for analysing
point patterns on non-uniform networks: first, a given non-uniform network is transformed into a uniform network; second,
the network basic point pattern methods (which assume a uniform network) are applied to this transformed uniform network.
No modification to the network basic point pattern methods is necessary. The paper also shows an actual application of this
transformation to traffic accidents in Chosei, Japan. 相似文献
17.
18.
19.
针对网络Voronoi图中点与点之间通过实际路径距离而非传统欧式距离相连,在实际应用中较平面Voronoi图更加合理,该文提出了一种基于改进脉冲耦合神经网络的网络Voronoi图构建算法。借助模型的自动波发放及并行处理特性,较好地实现了基于路网的网络空间剖分,顾及了道路网及其点群自身属性对其服务范围的影响。实验表明,该算法实现了点群网络Voronoi图的构建,最短路径思想的引入使得构建的网络Voronoi图符合Voronoi图基本特征,可以用来表示点群的服务范围,不仅如此,算法的并行特性保证了算法的高效率。 相似文献
20.
The network K‐function in context: examining the effects of network structure on the network K‐function 
下载免费PDF全文
下载免费PDF全文 The flaws of using traditional planar point‐pattern analysis techniques with network constrained points have been thoroughly explored in the literature. Because of this, new network‐based measures have been introduced for their planar analogues, including the network based K‐function. These new measures involve the calculation of network distances between point events rather than traditional Euclidean distances. Some have suggested that the underlying structure of a network, such as whether it includes directional constraints or speed limits, may be considered when applying these methods. How different network structures might affect the results of the network spatial statistics is not well understood. This article examines the results of network K‐functions when taking into consideration network distances for three different types of networks: the original road network, topologically correct networks, and directionally constrained networks. For this aim, four scenarios using road networks from Tampa, Florida and New York City, New York were used to test how network constraints affected the network K‐function. Depending on which network is under consideration, the underlying network structure could impact the interpretation. In particular, directional constraints showed reduced clustering across the different scenarios. Caution should be used when selecting the road network, and constraints, for a network K‐function analysis. 相似文献