无监督密集匹配特征提取网络性能分析     

金飞  官恺  刘智  韩佳容  芮杰  李庆高 《测绘学报》2022,51(3):426-436

随着人工智能的发展,基于深度学习的有监督密集匹配方法在虚拟、室内及驾驶等近景数据集上取得了不错的表现。针对航空影像密集匹配标签数据获取困难的问题,本文在无监督密集匹配框架下,借鉴多个有监督网络结构,分别在航空影像数据集和作为参照的近景数据集上测试了匹配精度,实现了网络结构模块与精度关系的定性分析,为进一步探索深度学习在测绘领域的实用化提供了重要的参考。试验在相同损失函数条件下,分别采用DispNetS、DispNetC、iResNet、GCNet、PSMNetB及PSMNetS网络结构进行测试。经分析,得出如下结论：①测试的网络结构中,PSMNetS在航空影像数据集和近景数据集上表现稳定,且精度最高,训练整体耗时少,具有实用化的潜力;②在监督方法中效果更好的网络结构在无监督方法中效果不一定更好,其精度不仅取决于网络自身的匹配能力,同时也依赖于网络与损失函数的兼容性;③孪生网络模块、相关信息融合模块、金字塔池化模块和堆叠沙漏模块与无监督损失函数兼容性良好,可提升网络精度,而iResNet的图像重构迭代精化模块与重构损失函数重复约束,会产生“负优化”的作用。  相似文献   

基于核密度和Voronoi算法的点选取模型          下载免费PDF全文

李庆高  牛红光  张保卫  赵耀  郭建忠 《海洋测绘》2020,40(6):29-33

为了清晰有效表达不同尺度下的点状应急态势符号,使其能够适应尺度变化,提出了一种基于核密度和Voronoi算法的点选取模型,通过核密度分析、建立Voronoi图的方法对同类点进行选取。实验表明,该模型有效保持了应急态势符号的空间分布特征和属性信息,解决了因比例尺缩小而导致的压盖、重叠等问题;同时降低了大数据量下符号选取的计算难度,提高了选取效率,保证了应急态势图的清晰易读性。  相似文献