[發(fā)明專利]一種基于Mask R-CNN的地圖地理環(huán)境自動識別方法

在審

• 申請?zhí)枺?/td>: 202010879990.6
• 申請日: 2020-08-27
• 公開（公告）號: CN112101429A
• 公開（公告）日: 2020-12-18
• 發(fā)明（設(shè)計(jì)）人: 饒紅霞;黎江;徐雍;魯仁全;陶杰
• 申請（專利權(quán)）人: 廣東工業(yè)大學(xué)
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08;G06F16/29
• 代理公司: 廣東廣信君達(dá)律師事務(wù)所 44329
• 代理人: 余勝茂

1.一種基于Mask R-CNN的地圖地理環(huán)境自動識別方法，其特征在于，包括以下步驟：

1)瓦片地圖的收集；

2)通過對手動標(biāo)記地理環(huán)境的瓦片地圖進(jìn)行預(yù)處理獲得訓(xùn)練集；

3)Mask R-CNN的環(huán)境部署；

4)根據(jù)Mask R-CNN理論構(gòu)建神經(jīng)網(wǎng)絡(luò)模型；

5)訓(xùn)練神經(jīng)網(wǎng)絡(luò)；

6)地圖地理環(huán)境的自動識別。

2.根據(jù)權(quán)利要求1所述的一種基于Mask R-CNN的地圖地理環(huán)境自動識別方法，其特征在于，所述步驟1)的具體內(nèi)容為：

通過電子地圖下載器開源軟件對瓦片地圖進(jìn)行下載，下載完圖片之后輸出下載圖片的拼接圖。

3.根據(jù)權(quán)利要求2所述的一種基于Mask R-CNN的地圖地理環(huán)境自動識別方法，其特征在于，所述步驟2)的具體內(nèi)容為：

利用labelme開源軟件手動對瓦片地圖中的地理環(huán)境進(jìn)行標(biāo)記，保存之后自動在文件目錄后生成與圖片同名的json文件，對獲得的json文件進(jìn)行批量解析進(jìn)而獲得訓(xùn)練模型所需要的訓(xùn)練集。

4.根據(jù)權(quán)利要求1所述的一種基于Mask R-CNN的地圖地理環(huán)境自動識別方法，其特征在于，所述步驟3)的具體內(nèi)容為：

安裝Anaconda3數(shù)據(jù)科學(xué)包、安裝tensorflow開源軟件庫、下載Mask R-CNN開源項(xiàng)目和在coco數(shù)據(jù)集上預(yù)訓(xùn)練權(quán)重mask_rcnn_coco.h5、安裝pycocotools數(shù)據(jù)庫。

5.根據(jù)權(quán)利要求1所述的一種基于Mask R-CNN的地圖地理環(huán)境自動識別方法，其特征在于，所述步驟4)的具體內(nèi)容為：

根據(jù)Mask R-CNN理論模型，構(gòu)建的神經(jīng)網(wǎng)絡(luò)模型包括輸入層、圖像地理環(huán)境特征提取與地理環(huán)境建議區(qū)域確定層,地理環(huán)境目標(biāo)框體形成層和輸出層。

6.根據(jù)權(quán)利要求5所述的一種基于Mask R-CNN的地圖地理環(huán)境自動識別方法，其特征在于，所述步驟5)的具體內(nèi)容為：

根據(jù)步驟4構(gòu)建的神經(jīng)網(wǎng)絡(luò)重寫一個訓(xùn)練類，根據(jù)步驟2得到的訓(xùn)練集喂入已經(jīng)構(gòu)建好的神經(jīng)網(wǎng)絡(luò)，進(jìn)行訓(xùn)練并得到一個訓(xùn)練模型。

7.根據(jù)權(quán)利要求6所述的一種基于Mask R-CNN的地圖地理環(huán)境自動識別方法，其特征在于，所述步驟6)的具體內(nèi)容為：

根據(jù)步驟5得到的訓(xùn)練模型，通過對訓(xùn)練所用的瓦片地圖和少量非訓(xùn)練瓦片地圖進(jìn)行標(biāo)記，檢驗(yàn)訓(xùn)練模型對地圖的地理環(huán)境進(jìn)行自動識別的精確度。

8.根據(jù)權(quán)利要求7所述的一種基于Mask R-CNN的地圖地理環(huán)境自動識別方法，其特征在于，所述圖像地理環(huán)境特征提取與地理環(huán)境建議區(qū)域確定層的具體內(nèi)容為：

使用特征金字塔網(wǎng)絡(luò)(FPN)，用于高級特征提取，再配合使用ResNet網(wǎng)絡(luò)，用于低級的特征提取，將圖像轉(zhuǎn)換成形狀為[x,y,channels]的特征圖，其中x,y代表特征坐標(biāo)，channels代表通道；

然后使用區(qū)域建議網(wǎng)絡(luò)(RPN)，掃描轉(zhuǎn)換成的特征圖，得到地理環(huán)境建議區(qū)域[region_num,(x1,y1,x2,y2)]，其中region_num代表區(qū)域數(shù)量，(x1,y1,x2,y2)代表區(qū)域坐標(biāo)，并將其傳遞到神經(jīng)網(wǎng)絡(luò)的下一個層。

9.根據(jù)權(quán)利要求8所述的一種基于Mask R-CNN的地圖地理環(huán)境自動識別方法，其特征在于，所述地理環(huán)境目標(biāo)框體形成層和輸出層的具體內(nèi)容為：

引入建議區(qū)域?qū)?zhǔn)(RoIAlign)方法，對所述地理環(huán)境建議區(qū)域進(jìn)行不同點(diǎn)采樣，并記錄位置信息，最后形成地理環(huán)境目標(biāo)框體。

10.根據(jù)權(quán)利要求2所述的一種基于Mask R-CNN的地圖地理環(huán)境自動識別方法，其特征在于，所述地理環(huán)境包括水系、地貌、植被、居民點(diǎn)、交通；所述電子地圖下載器采用全能電子地圖下載器。