基于深度学习的城市建筑三维可视化系统研究

为提升三维建模建模效率和可视化效果,在深度学习的基础上,设计一个基于Mask R-CNN的三维可视化模型。首先利用Mask R-CNN算法对图像进行分割,选择ThreeJS作为模型的Web三维可视化框架;然后构建基于Mask R-CNN算法三维可视化模型,对模型多次进行训练和测试后,得到相应的建模图像,将该图像进行配准和坐标定位后,将其代入至适宜的建模场景中,最后完成建筑的快速建模。结果表明,提出的Mask R-CNN方法对图像检出率为98.13%,误检率为0,漏检率为1.87%,算法性能优越,建模效率高,可降低建模成本,提升城市建筑三维可视化效果。