[發明專利]一種基于Mask R-CNN的地圖地理環境自動識別方法

在審

• 申請號: 202010879990.6
• 申請日: 2020-08-27
• 公開（公告）號: CN112101429A
• 公開（公告）日: 2020-12-18
• 發明（設計）人: 饒紅霞;黎江;徐雍;魯仁全;陶杰
• 申請（專利權）人: 廣東工業大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08;G06F16/29
• 代理公司: 廣東廣信君達律師事務所 44329
• 代理人: 余勝茂

本發明公開了一種基于Mask R?CNN的地圖地理環境自動識別方法，包括以下步驟：1)瓦片地圖的收集；2)通過對手動標記地理環境的瓦片地圖進行預處理獲得訓練集；3)Mask R?CNN的環境部署；4)根據Mask R?CNN理論構建神經網絡模型；5)訓練神經網絡；6)地圖地理環境的自動識別。本發明基于Mask R?CNN的地圖地理環境自動識別方法，以labelme標記的訓練集喂入構建的神經網絡中進行訓練，使得地圖數據能自動輸入計算機，并被計算機自動識別，能夠精確地自動識別地圖中的地理環境，減少了人工對數據的輸入，提高了加工的效率。

技術領域

本發明屬于圖像識別技術領域，尤其是指一種基于Mask R-CNN的地圖地理環境自動識別方法。

背景技術

一幅普通地圖的地理環境有水系、地貌、植被、居民點、交通等。此外，地圖上用以說明各地理環境的名稱、特征、質量和數量的文字及數字叫注記。地圖的要素是采用一定顏色的點、線、幾何圖形表示，這些點、線、幾何圖形叫做地圖的符號，它是地圖的語言，不僅能反映地物的形狀、大小，而且也能給出地物的質量、數量及其相互關系。

地圖廣泛用于經濟建設、國防建設以及科學研究的許多部門和領域，利用計算機分析和處理地圖具有重要意義。由于地圖數據量大、精度高、內容復雜，而采用掃描儀或傳真機將地圖圖象自動輸入到計算機的方法，只能輸入原始圖象而不能提取隱含于地圖內的各種地理環境，無法代替地圖的人工輸入，導致現有采用人工將地圖數據輸入到計算機的作法，效率較低，難以滿足應用要求。

發明內容

本發明的目的在于針對上述問題，提供一種基于Mask R-CNN的地圖地理環境自動識別方法。本方法能夠精確地自動識別地圖中的地理環境，減少了人工對數據的輸入，提高了加工的效率。

本發明的目的可采用以下技術方案來達到：

一種基于Mask R-CNN的地圖地理環境自動識別方法，包括以下步驟：

1)瓦片地圖的收集；

2)通過對手動標記地理環境的瓦片地圖進行預處理獲得訓練集；

3)Mask R-CNN的環境部署；

4)根據Mask R-CNN理論構建神經網絡模型；

5)訓練神經網絡；

6)地圖地理環境的自動識別。

進一步地，所述步驟1)的具體內容為：

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

進一步地，所述步驟2)的具體內容為：

利用labelme開源軟件手動對瓦片地圖中的地理環境進行標記，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文件進行批量解析進而獲得訓練模型所需要的訓練集。

進一步地，所述步驟3)的具體內容為：

安裝Anaconda3數據科學包、安裝tensorflow開源軟件庫、下載Mask R-CNN開源項目和在coco數據集上預訓練權重mask_rcnn_coco.h5、安裝pycocotools數據庫。

進一步地，所述步驟4)的具體內容為：

根據Mask R-CNN理論模型，構建的神經網絡模型包括輸入層、圖像地理環境特征提取與地理環境建議區域確定層,地理環境目標框體形成層和輸出層。

進一步地，所述步驟5)的具體內容為：

根據步驟4構建的神經網絡重寫一個訓練類，根據步驟2得到的訓練集喂入已經構建好的神經網絡，進行訓練并得到一個訓練模型。