关键词:
形状认知
图卷积神经网络
建筑物形状分类
特征融合
图分类
摘要:
深度学习方法支持下的建筑物形状认知成为地图制图等领域研究的热点,利用深度学习的特征挖掘能力,可以提取形状的嵌入表示,支撑制图综合、空间查询等应用场景。本文以建筑物数据为例,构建了一种融合全局特征和图节点特征的建筑物形状分类的图谱卷积神经网络模型。首先,在建筑物加权图基础上分别以建筑物4个宏观形状特征、边界顶点的多阶局部和区域结构特征生成形状的融合描述;然后,利用图谱卷积神经网络提取多层次形状信息,通过融合不同层的图表示结果生成特征编码用于形状分类。试验结果表明,相较对比方法,本文方法能够更有效地区分不同建筑物的形状类别,且生成的特征编码具有良好的形状区分度。