深度学习支持下的地图图片典型地理目标检测

摘要：

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.

关键词：地理目标检测、深度学习、卷积神经网络、YOLO网络、RetinaNet网络

分类号：P208(一般性问题)

资助基金：国家自然科学基金;浙江省自然资源厅科技项目;广东省自然资源厅测绘产品质量监督检验管理系统项目;国家重点研发计划

在线出版日期：2022-12-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：74-78