知识系统是道路网选取的关键,知识系统的构建对于道路网选取的结果有着至关重要的影响。该文结合OSM(Open Street Map)道路网数据和深度学习框架中的循环神经网络,构建了不同的道路网选取参数系统,分别对上海市1:250000的OSM道路网进行...知识系统是道路网选取的关键,知识系统的构建对于道路网选取的结果有着至关重要的影响。该文结合OSM(Open Street Map)道路网数据和深度学习框架中的循环神经网络,构建了不同的道路网选取参数系统,分别对上海市1:250000的OSM道路网进行选取。对试验结果进行比较发现,多参数的知识系统有益于提升道路网的选取效果,7参数的知识系统的选取精度比4参数知识系统的选取精度高了5%。展开更多
针对当下道路网信息自动提取困难,智能化选取方法大大减少了人工提取工作量的现状,该文结合OSM(Open Street Map)道路网数据,基于深度学习,构建了OSM道路网深度学习智能选取模型,根据OSM道路网的特点和应用要求,建立了相应的道路网选取...针对当下道路网信息自动提取困难,智能化选取方法大大减少了人工提取工作量的现状,该文结合OSM(Open Street Map)道路网数据,基于深度学习,构建了OSM道路网深度学习智能选取模型,根据OSM道路网的特点和应用要求,建立了相应的道路网选取知识系统以及RNN(Recurrent Neural Network)网络模型。实验结果表明,RNN模型可以大大提高当前人工选取道路网的效率,并且可以达到较高的实验精度,对于道路网原有的结构也保持较好。展开更多
基金国家自然科学基金(41701439)武汉大学教学研究项目(2017JG046)+3 种基金The National Natural Science Foundation of ChinaNo.41701439Research on Teaching Reform Project of Wuhan UniversityNo.2017JG046
文摘知识系统是道路网选取的关键,知识系统的构建对于道路网选取的结果有着至关重要的影响。该文结合OSM(Open Street Map)道路网数据和深度学习框架中的循环神经网络,构建了不同的道路网选取参数系统,分别对上海市1:250000的OSM道路网进行选取。对试验结果进行比较发现,多参数的知识系统有益于提升道路网的选取效果,7参数的知识系统的选取精度比4参数知识系统的选取精度高了5%。
文摘针对当下道路网信息自动提取困难,智能化选取方法大大减少了人工提取工作量的现状,该文结合OSM(Open Street Map)道路网数据,基于深度学习,构建了OSM道路网深度学习智能选取模型,根据OSM道路网的特点和应用要求,建立了相应的道路网选取知识系统以及RNN(Recurrent Neural Network)网络模型。实验结果表明,RNN模型可以大大提高当前人工选取道路网的效率,并且可以达到较高的实验精度,对于道路网原有的结构也保持较好。