基于混合智能的街景影像知识提取方法

P208; 针对街景影像目标的智能化提取难题,本文提出了一种基于混合智能的街景影像知识提取方法(K-CAPSNet).首先,在现有全景分割网络的基础上,同时关注街景影像的通道信息和空间信息,发展了一种联合注意力机制的全景分割网络,以提高目标分割精度;其次,将人们在生产、生活中形成的街景知识融入街景影像认知过程,借助先验知识设置目标标记阈值,对分割结果进行优化;然后,进一步根据街景影像先验知识验证街景目标之间的拓扑关系并利用深度信息进行空间关系知识挖掘;最后,采用语义模板对街景目标类型、数量及空间关系进行描述和表达.试验表明,相较于基线网络,本文方法在全景分割质量和识别质量方面都有明显提升,较好...

Full description

Saved in:
Bibliographic Details
Published in测绘学报 Vol. 53; no. 9; pp. 1817 - 1828
Main Authors 刘万增, 陈杭, 任加新, 张兆江, 李然, 赵婷婷, 翟曦, 朱秀丽
Format Journal Article
LanguageChinese
Published 河北工程大学矿业与测绘工程学院,河北邯郸 056038%自然资源部时空信息与智能服务重点实验室,北京 100830 16.10.2024
国家基础地理信息中心,北京 100830
自然资源部时空信息与智能服务重点实验室,北京 100830
湖北珞珈实验室,湖北武汉 430079%自然资源部时空信息与智能服务重点实验室,北京 100830
中南大学地球科学与信息物理学院,湖南长沙 410083%河北工程大学矿业与测绘工程学院,河北邯郸 056038
Subjects
混合智能
注意力机制
先验知识
prior knowledge
scene cognition
hybrid intelligence
attentional mechanisms
spatial re-lationships
空间关系
场景认知
全景分割
panoptic segmentation
Online AccessGet full text
ISSN1001-1595
DOI10.11947/j.AGCS.2024.20220720

Cover

More Information
Summary:P208; 针对街景影像目标的智能化提取难题,本文提出了一种基于混合智能的街景影像知识提取方法(K-CAPSNet).首先,在现有全景分割网络的基础上,同时关注街景影像的通道信息和空间信息,发展了一种联合注意力机制的全景分割网络,以提高目标分割精度;其次,将人们在生产、生活中形成的街景知识融入街景影像认知过程,借助先验知识设置目标标记阈值,对分割结果进行优化;然后,进一步根据街景影像先验知识验证街景目标之间的拓扑关系并利用深度信息进行空间关系知识挖掘;最后,采用语义模板对街景目标类型、数量及空间关系进行描述和表达.试验表明,相较于基线网络,本文方法在全景分割质量和识别质量方面都有明显提升,较好地实现了对街景影像知识的提取与表达.
ISSN:1001-1595
DOI:10.11947/j.AGCS.2024.20220720