| 典型建筑物群组模式的空间图卷积模型DGCNN识别方法 |
| |
| 引用本文： | 张自强,刘涛,杜萍,杨国林.典型建筑物群组模式的空间图卷积模型DGCNN识别方法[J].武汉大学学报(信息科学版),2024(5):868-878. |
| |
| 作者姓名： | 张自强 刘涛 杜萍 杨国林 |
| |
| 作者单位： | 1. 兰州交通大学测绘与地理信息学院;2. 地理国情监测技术应用国家地方联合工程研究中心;3. 甘肃省地理国情监测工程实验室 |
| |
| 基金项目： | 国家自然科学基金（42261076,42061060）；;甘肃省科技重大专项（22ZD6GA010）； |
| |
| 摘 要： | 建筑物群组模式的识别是建筑物综合的重要步骤，高效的建筑物群组模式识别方法能有效提升地图自动综合的质量。建筑物群组模式的识别目前主要包括几何方法和传统的机器学习方法两种，存在规则定义复杂、特征工程庞大等缺点。图卷积神经网络方法克服了传统方法的局限性，已成功地应用于建筑物的模式分析。然而，目前使用图卷积进行建筑物群组多模式识别的相关研究较少，且已有的图卷积大多基于谱域图卷积，对空间局部信息考虑不足。引入空间图卷积模型DGCNN(deep graph convolutional neural network)进行建筑物群组的多模式识别，首先聚类建筑物数据形成群组，并构建建筑物群组的几何模型；然后定义建筑物的特征向量，建立建筑物群组的图结构；最后将图结构输入DGCNN模型训练，得到建筑物群组模式。结果发现，该模型在训练集的精度达到97.60%，测试集的精度达到95%，优于谱域图卷积方法，能有效用于建筑物群组模式分类。
|
| 关 键 词： | 建筑物群组 模式识别 空间图卷积模型 深度学习 |
|
