روش استخراج عنصر خط نقشه رستری بر اساس شبکه U-Net بهبود یافته

برای پرداختن به مشکل دقت پایین در تشخیص عناصر خطی نقشه‌های شطرنجی به دلیل تداخل متن و پس‌زمینه، ما یک روش تشخیص عنصر خط نقشه شطرنجی را بر اساس یک مدل شبکه بهبودیافته U-Net پیشنهاد می‌کنیم که الگوریتم تقسیم‌بندی معنایی یادگیری عمیق را ترکیب می‌کند. ماژول دروازه های توجه (AG) و ماژول ادغام هرم فضایی آتروس (ASPP). در مدل شبکه پیشنهادی، رمزگذار ویژگی‌های تصویر را استخراج می‌کند، رمزگشا ویژگی‌های استخراج‌شده را بازیابی می‌کند، ویژگی‌های مقیاس‌های مختلف در ماژول پیچیدگی متسع بین رمزگذار و رمزگشا استخراج می‌شوند و ماژول مکانیسم توجه وزن عناصر خط را افزایش می‌دهد. آزمایش مقایسه از طریق مجموعه داده شناسایی عنصر خط ساخته شده انجام شد. نتایج تجربی نشان می‌دهد که بهبود نرخ دقت شبکه U-Net 93.08٪، نرخ فراخوان ۹۲٫۲۹٪، دقت DSC 93.03٪، و امتیاز F1 92.68٪ است. در تست استحکام شبکه، تحت نسبت‌های مختلف سیگنال به نویز (SNR)، با مقایسه ساختار بهبودیافته شبکه با ساختار اصلی شبکه، DSC 13.18-17.05% بهبود یافت. این نتایج نشان می دهد که مدل شبکه ارائه شده در این مقاله می تواند به طور موثر عناصر خط نقشه شطرنجی را استخراج کند.

کلید واژه ها:

نقشه ; عناصر خط ؛ بردارسازی خودکار ؛ یادگیری عمیق

۱٫ مقدمه

نقشه های رستری یکی از مهم ترین منابع داده در علم اطلاعات جغرافیایی (GIS) است [ ۱ ]. نقشه ها حاوی اطلاعات نقشه برداری غنی، مانند موقعیت ساختمان ها، جاده ها، خطوط و هیدرولوژی [ ۲]. اساساً، این عناصر جغرافیایی از ویژگی‌های رنگی، نقطه‌دار، خطی و منطقه‌ای برای نمایش اطلاعات جغرافیایی در مورد زمین استفاده می‌شوند. در گذشته بسیاری از نقشه های رسمی به صورت کاغذی ذخیره می شدند، اما در سال های اخیر در نقشه های شطرنجی اسکن شده و در رایانه ذخیره می شوند. برای استفاده کامل از نقشه های شطرنجی برای انجام تجزیه و تحلیل فضایی و نگاشت موضوعی، معمولاً لازم است نقاط، خطوط و چند ضلعی ها در یک نقشه شطرنجی به گرافیک برداری تبدیل شوند تا افراد بتوانند اطلاعات را پرس و جو کرده و از نظر توپولوژیکی تجزیه و تحلیل کنند. این فرآیند بردار سازی نقشه شطرنجی نامیده می شود.

با توجه به درجه اتوماسیون برداری، بردارسازی نقشه شطرنجی را می توان به بردارسازی دستی، نیمه خودکار و خودکار تقسیم کرد. روش برداری دستی از نرم افزار برای ردیابی خطوط نقطه به نقطه در امتداد نقشه شطرنجی برای تشکیل یک خط یا چندضلعی استفاده می کند. این روش ناکارآمد و ذهنی است که بر دقت برداری تأثیر می گذارد. روش برداری نیمه خودکار ابتدا عناصر نامربوط را به صورت دستی با پردازش تصویر حذف می کند و تصاویر باینری متشکل از پیکسل های خطی و پیکسل های غیر خطی را به دست می آورد. سپس، ویژگی های خط توسط الگوریتم برداری شطرنجی بردار می شوند. زمانی که تصویر نقشه دارای حاشیه نویسی های زیاد و پس زمینه پیچیده باشد، اعمال این روش دشوار است. در روش برداری خودکار، ویژگی های خط به طور خودکار از یک نقشه شطرنجی استخراج می شوند و توسط الگوریتم کامپیوتر به تصاویر باینری تبدیل می شوند و سپس توسط یک الگوریتم تبدیل داده های شطرنجی به گرافیک برداری تبدیل می شوند. الگوریتم خودکار تصویر باینری به برداری بالغ است، بنابراین استخراج ویژگی های خط به مرحله کلیدی در بردارسازی خودکار ویژگی های خط تبدیل شده است که می تواند مستقیماً بر کارایی و دقت برداری تأثیر بگذارد.

در حال حاضر، تحقیقات قابل توجهی در مورد استخراج عناصر جغرافیایی از نقشه ها انجام شده است [ ۳ ، ۴ ، ۵ ، ۶ ، ۷ ]. چنین استخراجی، به عنوان مثال، برای شناسایی عناصر متن از نقشه ها [ ۸ ، ۹ ، ۱۰ ] و نمادهای نقشه با تطبیق ویژگی [ ۱۱ ] استفاده می شود. جوامع علوم کامپیوتر و علم اطلاعات جغرافیایی تقریباً ۴۰ سال است که در حال توسعه فناوری‌هایی برای درک خودکار و نیمه خودکار نقشه (پردازش نقشه دیجیتال) هستند [ ۱۲ ].

در حال حاضر دو راه اصلی برای استخراج عناصر خط نقشه وجود دارد. اولین مورد ترسیم خطوط نقطه به نقطه در امتداد نقشه با کمک نرم افزار برداری مربوطه برای تشکیل ویژگی های خط یا چند ضلعی است. نرم افزار مربوطه شامل ArcGIS، WideImage، SuperMap، MapGIS، و غیره است. برای مثال، Beattie [ ۱۳ ] بیش از ۷۰ ساعت را بر روی وظیفه انسانی استخراج خطوط کانتور از دو نقشه تاریخی USGS صرف کرده است. این روش به نیروی انسانی و منابع قابل توجهی نیاز دارد. دومین راه اصلی برای استخراج عناصر خط نقشه، استفاده از یک الگوریتم سنتی است. این الگوریتم ها عمدتاً شامل الگوریتم تقسیم بندی آستانه [ ۱۴ ، ۱۵ ، ۱۶ ]، عملیات ریخت شناسی ریاضی [ ۱۷ ] و الگوریتم تقسیم‌بندی رنگ [۱۷] می‌شوند.۱۸ ، ۱۹ ]. به عنوان مثال، الگوریتم تقسیم بندی آستانه برای تحقق بخشیدن به استخراج ویژگی خط یک نقشه رنگی کانتور استفاده می شود. وجود رنگ متمایز و رنگ مخلوط باعث می شود خطوط استخراج شده به صورت قطعات، نقاط شکست، چسبندگی و غیره ظاهر شوند و مراحل پردازش مربوطه را افزایش دهند. هر دو الگوریتم مورفولوژی ریاضی و الگوریتم های استخراج خط اسکلت برای استخراج ویژگی های خط نقشه استفاده می شوند. این روش ها شامل چندین پارامتر تنظیم دستی به طور همزمان هستند و دقت ناپایدار است، درجه اتوماسیون بالا نیست و اعمال مستقیم آن بر روی نقشه اسکن رایج دشوار است.

مشکلات اصلی در استخراج ویژگی های خط از نقشه های شطرنجی با روش های سنتی به شرح زیر است. (۱) اختلاط نشانگرهای نقطه و ویژگی های خط تشخیص بخشی از نشانگرهای نقطه را به عنوان خطوط آسان می کند. (۲) رنگ‌های پس‌زمینه یا بازارهای پر در ویژگی‌های چند ضلعی وجود دارد که در تشخیص خط مشکل ایجاد می‌کند. (۳) اختلاط حاشیه نویسی نقشه و ویژگی های خط ممکن است با خطوط اشتباه گرفته شود. این مشکلات منجر به دقت پایین روش های سنتی در استخراج ویژگی آنلاین می شود.

روش یادگیری عمیق می‌تواند دسته‌ها یا ویژگی‌های ویژگی‌های نمایش سطح بالا انتزاعی تری را با ترکیب ویژگی‌های سطح پایین تشکیل دهد، که امکان استخراج دقیق ویژگی‌های خط نقشه شطرنجی را فراهم می‌کند [ ۲۰ ]. به طور خاص، ظهور شبکه‌های عصبی کانولوشنال (CNN) و شبکه‌های عصبی کاملاً کانولوشن (FCNs) طبقه‌بندی هر پیکسل تصویر را متوجه می‌شود – یعنی تقسیم‌بندی معنایی تصویر. این در پردازش تصویر مفید است. دوان و همکاران [ ۲۱ ] از شبکه های عصبی کانولوشن برای ساختن سیستمی برای تشخیص خودکار ویژگی های جغرافیایی بر روی نقشه های تاریخی استفاده کرد. اوهل و همکاران [ ۲۲] از شبکه LeNet برای شناسایی نمادهای نقشه و CNN برای شناسایی ساختمان ها و مناطق شهری روی نقشه استفاده کرد [۲۳ ]. همه این مطالعات نشان می دهد که شبکه های عصبی کانولوشن کاربردهای موثری در پردازش تصویر نقشه دارند.

بخش بندی معنایی از فناوری یادگیری عمیق برای یادگیری ویژگی های مستقل داده های ورودی استفاده می کند. ویژگی‌های سطح پایین، سطح متوسط و سطح بالا از تصویر استخراج می‌شوند تا ویژگی‌های محلی و جهانی را همزمان در نظر بگیرند. با ادغام ویژگی‌های سطوح و مناطق مختلف، اطلاعات متنی ضمنی در تصویر گرفته می‌شود، بنابراین تقسیم‌بندی، شناخت و درک تصویر در سطح بالاتری محقق می‌شود. در حال حاضر، بسیاری از شبکه‌های تقسیم‌بندی تصویر یادگیری عمیق، بهبود شبکه‌های عصبی کانولوشنال کامل هستند. شبکه U-Net شبکه رمزگذار و رمزگشای کلاسیک است و شبکه های بهبود یافته زیادی بر اساس آن وجود دارد، مانند U-Net ++ [. ۲۴ ].] و U-Net +++، که می تواند عملیات کانولوشن تصاویر را با هر اندازه ای محقق کند و اطلاعات متنی تصویر را از طریق نمونه گیری حداکثر ادغام برای کاهش میزان محاسبه [ ۲۵ ]] بدست آورد. با این حال، به دلیل استفاده مکرر از عملیات ادغام در U-Net، وضوح نقشه‌های ویژگی کاهش می‌یابد که منجر به نتایج پیش‌بینی‌شده تقریبی می‌شود. استفاده از عملیات نمونه برداری پایین برای استخراج اطلاعات معنایی انتزاعی به عنوان ویژگی، منجر به از بین رفتن برخی از اطلاعات معنایی دقیق می شود و باعث مشکل عدم جزئیات و ابهام معنایی در نتایج استخراج شده می شود. هنگامی که مدل U-Net به طور مستقیم برای استخراج ویژگی های خط نقشه شطرنجی استفاده می شود، تداخل متن و خطوط شکسته وجود خواهد داشت. بنابراین، ترکیب سایر ماژول های شبکه برای بهبود عملکرد ضروری است.

برای حل مشکلات موجود در استخراج ویژگی های خطی نقشه های اسکن شده، مجموعه داده های آزمایشی و آموزشی را بر اساس یک نقشه شطرنجی ساختیم. بر اساس مدل اصلی شبکه U-Net، ماژول‌های AG و ASPP اضافه شدند و یک مدل شبکه عمیق U-Net بهبود یافته برای تحقق استخراج خودکار ویژگی‌های خط نقشه شطرنجی پیشنهاد شد.

۲٫ داده ها و روش ها

۲٫۱٫ ساخت مجموعه داده نمونه

از آنجایی که هیچ مجموعه داده عمومی استخراج ویژگی خط از تصاویر نقشه وجود ندارد، ما یک مجموعه نمونه استخراج ویژگی خط ساختیم. این عمدتا شامل چهار فرآیند است: به دست آوردن داده های نقشه، ساخت برچسب ها، تقسیم بندی تصویر، و تقسیم مجموعه داده ها ( شکل ۱ ).

۲٫۱٫۱٫ به دست آوردن داده های نقشه

داده‌های نقشه از وب‌سایت خدمات نقشه استاندارد چین ( http://bzdt.ch.mnr.gov.cn/ (در ۲۵ ژوئیه ۲۰۲۲) دانلود شد. این صفحه وب نقشه های استاندارد را با فرمت JPG و EPS ارائه می دهد. JPG تصویر شطرنجی و EPS تصویر برداری است که شرایط مطلوبی را برای تولید سریع و دقیق فایل های برچسب فراهم می کند. هفت نقشه با مقیاس های مختلف و مناطق مختلف جمع آوری شد. تصاویر شطرنجی تصاویری برای استخراج ویژگی خط هستند و از تصاویر برداری برای ساخت فایل های برچسب مربوطه استفاده می شود. مشخصات دقیق نقشه های جمع آوری شده در جدول ۱ نشان داده شده است.

۲٫۱٫۲٫ ساخت لیبل

یک نقشه با فرمت EPS حاوی عناصر تداخلی مانند یادداشت‌ها، علامت‌های نقطه‌ای و غیره است. از طریق نرم‌افزار ویرایش داده‌های برداری، عناصر تداخل در هر نقشه برداری حذف می‌شوند و فقط ویژگی‌های خط حفظ می‌شوند و سپس به‌عنوان داده تصویر در فرمت JPG ذخیره می‌شوند. . در نهایت، ویژگی‌های خط داده‌های تصویر با فرمت JPG برای ایجاد فایل‌های برچسب باینریزه می‌شوند. مقدار پیکسل ویژگی خط روی ۲۵۵ و مقدار پیکسل پس‌زمینه روی ۰ تنظیم شده است. سپس از تصاویر باینری به عنوان داده برچسب برای آموزش شبکه استفاده می‌شود.

۲٫۱٫۳٫ تقسیم بندی تصویر

یک نقشه کامل نمی تواند مستقیماً به ورودی مدل شبکه پیشنهادی داده شود. بنابراین، اندازه تصاویر آموزشی به ۲۵۶ × ۲۵۶ کاهش یافت. برای برش تصویر مبدا از پنجره کشویی استفاده شد. اندازه پنجره کشویی روی ۲۵۶ × ۲۵۶ تنظیم شد و موقعیت پنجره کشویی روی تصویر به طور تصادفی برای برش تصویر ایجاد شد. در نهایت ۱۴۰۰ تصویر با ابعاد ۲۵۶ × ۲۵۶ به دست آمد. برای سرعت بخشیدن به همگرایی شبکه، تصاویر قبل از ورود به شبکه نرمال سازی شدند. برای جلوگیری از تداخل تصاویر ویژگی‌های غیرخطی در آموزش شبکه، بلوک‌های کوچک تصاویر ویژگی‌های غیرخطی حذف شدند تا ۱۱۹۰ مجموعه داده نمونه تصویر به دست آید.

۲٫۱٫۴٫ بخش مجموعه داده

تصاویر به یک مجموعه آموزشی و یک مجموعه اعتبار سنجی در نسبت ۷:۳ تقسیم شدند. از این میان، ۸۸۳ تصویر برای آموزش و ۳۵۷ تصویر برای اعتبارسنجی استفاده شد.

شکل ۱٫ فرآیند ساخت مجموعه آموزشی.

شکل ۲ نمونه ای از مجموعه داده های نمونه را نشان می دهد. کل نقشه رنگی به تصاویر ۲۵۶ × ۲۵۶ برش داده می شود و داده های برچسب مربوطه نیز به تصاویر ۲۵۶ × ۲۵۶ برش داده می شوند.

۲٫۲٫ مدل U-Net بهبود یافته

۲٫۲٫۱٫ معماری مدل U-Net بهبود یافته

بر اساس شبکه کلاسیک U-Net به عنوان چارچوب اصلی، ما یک مدل شبکه مناسب‌تر برای استخراج ویژگی‌های خط نقشه طراحی کردیم. ساختار شبکه U-Net بهبود یافته در شکل ۳ نشان داده شده است . U-Net یک معماری شبکه است که از یک پیچیدگی کامل تشکیل شده است که برای انجام وظایف تقسیم بندی معنایی استفاده می شود. ساختار شبکه متقارن است، با یک رمزگذار برای استخراج ویژگی‌های فضایی از تصاویر و یک رمزگشا برای ساختن نقشه‌های تقسیم‌بندی از ویژگی‌های کدگذاری.

رمزگذار از ساختار یک شبکه کانولوشن معمولی پیروی می کند. در مجموع شامل چهار بلوک است. هر بلوک در مسیر انقباض شامل دو پیچ ۳×۳ متوالی است که به دنبال آن یک واحد فعال سازی ReLU و یک لایه تجمع حداکثری قرار دارد. با در نظر گرفتن تأثیر تابع فعال‌سازی ReLU بر توزیع داده‌های خروجی، حالت اولیه‌سازی هسته کانولوشن به عنوان یک مقدار اولیه اولیه He، he_normal تنظیم می‌شود. همانطور که در رابطه (۱) نشان داده شده است، با انحراف معیار از توزیع نرمال کوتاه شده نمونه می گیرد تا واریانس داده های ورودی و خروجی سازگار باشد. برای اینکه اندازه نمودار مشخصه بدست آمده پس از پیچیدگی بدون تغییر باقی بماند، روش پر کردن نمودار ویژگی به عنوان padding تنظیم می شود. پس از عملیات کانولوشن، یک لایه غیرفعال سازی تصادفی نورون (ترک کردن) بعد از لایه پیچشی اضافه می شود تا از برازش بیش از حد جلوگیری شود. یعنی نسبت مشخصی از هسته های کانولوشن در لایه قبلی به طور تصادفی غیرفعال می شوند تا نتوانند در استخراج ویژگی در این دوره آموزشی شرکت کنند و پارامترهای این مجموعات کانولوشن به روز نمی شوند. نسبت غیرفعال سازی تصادفی نورون ها در این مقاله ۰٫۲ است. سپس، حداکثر عملیات جمع آوری با اندازه استخر ۲ × ۲ و یک مرحله دو وجود دارد. این دنباله چهار بار تکرار می‌شود و در هر فرآیند نمونه‌برداری پایین، تعداد فیلترهای لایه کانولوشن دو برابر می‌شود و به ترتیب به ۳۲، ۶۴، ۱۲۸ و ۲۵۶ فیلتر می‌رسد. نسبت معینی از هسته‌های کانولوشن در لایه قبلی به‌طور تصادفی غیرفعال می‌شوند تا نتوانند در استخراج ویژگی در این دوره آموزشی شرکت کنند و پارامترهای این مجموع‌های کانولوشن به‌روزرسانی نمی‌شوند. نسبت غیرفعال سازی تصادفی نورون ها در این مقاله ۰٫۲ است. سپس، حداکثر عملیات جمع آوری با اندازه استخر ۲ × ۲ و یک مرحله دو وجود دارد. این دنباله چهار بار تکرار می‌شود و در هر فرآیند نمونه‌برداری پایین، تعداد فیلترهای لایه کانولوشن دو برابر می‌شود و به ترتیب به ۳۲، ۶۴، ۱۲۸ و ۲۵۶ فیلتر می‌رسد. نسبت معینی از هسته‌های کانولوشن در لایه قبلی به‌طور تصادفی غیرفعال می‌شوند تا نتوانند در استخراج ویژگی در این دوره آموزشی شرکت کنند و پارامترهای این مجموع‌های کانولوشن به‌روزرسانی نمی‌شوند. نسبت غیرفعال سازی تصادفی نورون ها در این مقاله ۰٫۲ است. سپس، حداکثر عملیات جمع آوری با اندازه استخر ۲ × ۲ و یک مرحله دو وجود دارد. این دنباله چهار بار تکرار می‌شود و در هر فرآیند نمونه‌برداری پایین، تعداد فیلترهای لایه کانولوشن دو برابر می‌شود و به ترتیب به ۳۲، ۶۴، ۱۲۸ و ۲۵۶ فیلتر می‌رسد. حداکثر عملیات ادغام با اندازه استخر ۲ × ۲ و یک مرحله دو وجود دارد. این دنباله چهار بار تکرار می‌شود و در هر فرآیند نمونه‌برداری پایین، تعداد فیلترهای لایه کانولوشن دو برابر می‌شود و به ترتیب به ۳۲، ۶۴، ۱۲۸ و ۲۵۶ فیلتر می‌رسد. حداکثر عملیات ادغام با اندازه استخر ۲ × ۲ و یک مرحله دو وجود دارد. این دنباله چهار بار تکرار می‌شود و در هر فرآیند نمونه‌برداری پایین، تعداد فیلترهای لایه کانولوشن دو برابر می‌شود و به ترتیب به ۳۲، ۶۴، ۱۲۸ و ۲۵۶ فیلتر می‌رسد.

std = s q r t (۲ / f a n_i n)

(۱)

در اینجا، std مخفف انحراف استاندارد و $f a n_i n$ به تعداد واحدهای ورودی در تانسور وزن اشاره دارد.

بین رمزگذار و رمزگشا، ماژول ASPP برای اتصال آنها استفاده می شود. در ماژول ASPP از پیچش گشاد شده با سطوح نمونه برداری ۱، ۲، ۴ و ۸ برای محاسبه کانولوشن ویژگی های ورودی استفاده می شود، به طوری که اندازه میدان گیرنده به ترتیب ۳، ۷، ۱۵ و ۳۱ است. نقشه‌های ویژگی جدید با ترکیب نقشه‌های ویژگی سطوح مختلف نمونه‌برداری به دست می‌آیند. ماژول ASPP در بخش بعدی به تفصیل توضیح داده شده است.

رمزگشا و رمزگذار متعلق به یک ساختار متقارن هستند و قسمت رمزگشا نیز شامل چهار بلوک است. هر بلوک نقشه ویژگی را با استفاده از ۳ × ۳ پیچیدگی بالا نمونه برداری می کند و تعداد فیلترهای لایه کانولوشن ۲۵۶، ۱۲۸، ۶۴ و ۳۲ است. سپس، نقشه ویژگی از لایه مربوطه در مسیر انقباض برش داده می شود. و بر روی نقشه ویژگی نمونه‌برداری شده به بالا الحاق شد. حالت مقداردهی اولیه هسته کانولوشن همچنان به عنوان مقداردهی اولیه He تنظیم شده است و نمودار ویژگی با padding پر می شود. در نهایت، یک عملیات کانولوشن ۱ × ۱ برای تغییر شماره کانال نمودار ویژگی به شماره طبقه بندی وصل می شود و Sigmoid برای تابع فعال سازی استفاده می شود. ماژول AG به طور مفصل در بخش های زیر توضیح داده شده است.

۲٫۲٫۲٫ ماژول AG در مدل

ایده ماژول AG این است که توانایی یادگیری مدل شبکه عصبی کانولوشن را برای خطوط ویژگی‌ها با افزایش وزن ویژگی‌های خط نقشه رنگی، کاهش نویز متن در پس‌زمینه نقشه و بهبود اثر استخراج نقشه افزایش دهد. ویژگی های خط ( شکل ۴ ). $x_{i}^{l}$ نمودار ویژگی بدست آمده توسط ماژول رمزگذار را نشان می دهد و $g_{i}^{}$ نمودار ویژگی بدست آمده توسط ماژول رمزگشا را از طریق نمونه برداری بالا نشان می دهد. Xi برای بدست آوردن وزن با ۱ × ۱ پیچیده می شود $W_{x}^{}$ ، و $g_{i}^{}$ برای بدست آوردن وزن با ۱ × ۱ در هم می پیچد $W_{g}$ ، و سپس با هم جمع می شوند. $q_{a t t n}^{l}$ با استفاده از تابع فعال سازی ReLU و تابع کانولوشن، ψ، برای یک عملیات پیچیدگی ۱ × ۱ × ۱، و سپس ضریب توجه نهایی به دست می آید. $q_{a t t n}^{l}$ با استفاده از تابع فعال سازی Sigmoid for به دست می آید $q_{a t t n}^{l}$ . در نهایت ضریب توجه به دست آمده در ویژگی ورودی ضرب می شود $x_{i}^{l}$ برای به دست آوردن ویژگی خروجی نهایی ${\hat{x}}_{i, c}^{l}$ . فرمول های محاسبه ضریب توجه مکانیسم توجه در ماژول AG به ترتیب معادلات (۲) و (۳) هستند:

q ل a t t n = Ψ [σ ۱ (دبلیو تی ایکس ایکس ل من + دبلیو تی g g من + ب g)] + ب Ψ ،

(۲)

α ل من = σ ۲ (q ل a t t n) ،

(۳)

جایی که $Ψ$ نشان دهنده تابع پیچش اندازه ۱ × ۱ × ۱، $σ_{1}$ نشان دهنده تابع فعال سازی ReLU است، $W_{x}^{}$ مقدار وزن مربوط به ویژگی ورودی است $x_{i}^{l}$ ، $x_{i}^{l}$ ویژگی ورودی است، $W_{g}$ مقدار وزن مربوط به شماره ارتباط انتخاب شده است $g_{i}$ ، $g_{i}$ شماره ارتباط اختیاری است، $b_{g}$ مقدار افست سیگنال ارتباطی انتخاب شده است، $b_{Ψ}$ مقدار بایاس مربوط به تابع پیچیدگی ۱ × ۱ × ۱ است و $σ_{2}$ تابع فعال سازی سیگموئید است.

۲٫۲٫۳٫ ماژول ASPP در مدل

آخرین ماژول ASPP توسط Chen و همکاران ارائه شد. [ ۲۶ ]. این اطلاعات چند مقیاسی را از طریق پیچیدگی حفره های متعدد موازی با نسبت های مختلف در ASPP ادغام می کند تا نتایج تقسیم بندی دقیق را به دست آورد. ماژول ASPP عملکرد تشخیص بهتری برای ویژگی های خط نقشه با اشکال مقیاس متفاوت دارد.

با هدف استخراج ویژگی های خط باریک نقشه، ماژول ASPP به آخرین لایه رمزگذار اضافه می شود. ماژول ASPP حفره‌هایی را به هسته کانولوشن عمومی اضافه می‌کند و فضای خالی سطوح مختلف هسته‌های کانولوشن افزایش میدان پذیرنده را بدون افزایش بار محاسباتی متوجه می‌شوند ( شکل ۵).). روش محاسبه پیچش گشاد شده در رابطه (۴) نشان داده شده است. در این ساختار از لایه‌های نمونه‌گیری مختلف در لایه کدگذاری به عنوان ورودی استفاده می‌شود و خروجی لایه نمونه‌برداری بالایی مربوطه به عنوان ورودی لایه نمونه‌برداری بالایی بعدی خلاصه می‌شود. ساختار پیچش گشاد شده از پیچش گشاد شده با سطوح نمونه برداری ۱، ۲، ۴ و ۸ برای انجام عملیات پیچش روی نمودار ویژگی ورودی استفاده می کند، بنابراین اندازه میدان پذیرنده هر لایه ۳، ۷، ۱۵ و ۳۱ است. به ترتیب. برای محاسبه مدل از نقشه‌های ویژگی سطوح نمونه‌گیری مختلف استفاده می‌شود تا ویژگی‌های مقیاس مختلف به دست آید و در نهایت، ادغام بین ویژگی‌ها انجام می‌شود. اطلاعات فضایی چند مقیاسی نقشه های ویژگی به طور کامل استخراج شده و برای انطباق با استخراج ویژگی خطی نقشه استفاده می شود.

y [i ، j] = \sum k = ۱ ک x [i + r * k, j + r * k] ω [k],

(۴)

اینجا، $y [i, j]$ خروجی پیچش گشاد شده است، $x [i, j]$ ورودی است، $ω [k]$ هسته کانولوشن با اندازه k است و r سطوح مختلف نمونه برداری از هسته کانولوشن را نشان می دهد.

۲٫۳٫ طراحی پارامتر شبکه

تنظیمات عملکرد از دست دادن، بهینه ساز و نرخ یادگیری مورد استفاده در شبکه بهبودیافته به شرح زیر است.

۲٫۳٫۱٫ عملکرد از دست دادن

از دست دادن تاس [ ۲۷ ، ۲۸ ] به عنوان تابع ضرر انتخاب شد. ضریب تاس تابعی از اندازه گیری شباهت مجموعه است که معمولاً برای محاسبه شباهت دو نمونه استفاده می شود و مقدار آن از ۰ تا ۱ متغیر است. فرمول محاسبه از دست دادن تاس در رابطه (۵) نشان داده شده است:

ضرر = ۱ - ۲ | ایکس \cap Y | | ایکس | + | Y | ،

(۵)

اینجا، $|X \cap Y|$ نشان دهنده تقاطع بین $X$ و $Y$ ، و $|X|$ و $|Y|$ نشان دهنده تعداد پیکسل ها در برچسب پیش بینی شده است $X$ و حقیقت زمین $Y$ ، به ترتیب.

۲٫۳٫۲٫ بهینه ساز

ما بهینه ساز Adam را در آموزش شبکه عصبی انتخاب کردیم. در مقایسه با سایر بهینه سازها، بهینه ساز Adam مزایای قابل توجهی دارد [ ۲۹ ]. به عنوان مثال، به روز رسانی پارامتر تحت تأثیر تغییر مقیاس گرادیان قرار نمی گیرد. علاوه بر این، بهینه ساز Adam محاسبات کارآمد و نیازهای حافظه کمتری دارد، اندازه گام به روز شده را می توان به یک محدوده ناهموار محدود کرد و غیره.

۲٫۳٫۳٫ میزان یادگیری

نرخ یادگیری، فراپارامتر وزن شبکه است که توسط گرادیان تابع تلفات تنظیم می شود. نرخ یادگیری اولیه روی ۰٫۰۰۱ تنظیم شده است و پلت فرم ضرر تنظیم شده است. ده بار تمرین در هر تکرار، اگر میزان ضرر تغییر زیادی نداشته باشد، میزان یادگیری کاهش می یابد. کاهش نرخ یادگیری در رابطه (۶) نشان داده شده است و حداقل مقداری که نرخ یادگیری می تواند به آن کاهش یابد ۰٫۰۰۰۰۰۱ تعیین می شود. ما مکانیسم توقف زودهنگام را برای جلوگیری از تجهیز بیش از حد شبکه در طول آموزش تنظیم می کنیم.

l r = l r 0 \times ۰٫۱

(۶)

اینجا، $l r$ نشان دهنده میزان یادگیری است و $l r_{0}$ نرخ یادگیری اولیه را نشان می دهد.

۲٫۴٫ روش اعتبارسنجی مدل

برای ارزیابی جامع‌تر نتایج، ما هر دو شاخص ارزیابی دقت منطقه‌ای و طبقه‌بندی را اتخاذ کردیم [ ۳۰ ، ۳۱ ]. شاخص های ارزیابی انتخاب شده شامل ضریب تشابه تاس (DSC)، دقت، یادآوری و امتیاز F1 می باشد.

ضریب تاس یک شاخص ارزیابی مبتنی بر منطقه است که بر روی همپوشانی بین منطقه مرجع برچسب و نتایج تقسیم‌بندی خودکار در بعد فضایی تمرکز دارد. نتایج آزمایش ارزیابی DSC، ارزیابی‌های سطح پیکسل هستند. ویژگی خط واقعی در ناحیه A ظاهر می شود و ویژگی خط پیش بینی شده توسط مدل شبکه در ناحیه B ظاهر می شود . فرمول ضریب تاس معادله (۷) است:

D i c e = ۲ | A \cap B | A + B

(۷)

استخراج ویژگی های خط نقشه یک مشکل دوگانه است. دقت، یادآوری و امتیاز F1 شاخص‌های ارزیابی مبتنی بر طبقه‌بندی پیکسل هستند که بر روی درجه تصادف بین ناحیه مرجع برچسب و کانتور نتیجه تقسیم‌بندی خودکار تمرکز دارند. اطلاعات ویژگی خط یک نمونه مثبت و اطلاعات پس زمینه یک نمونه منفی است. تمام نتایج پیش‌بینی را می‌توان به چهار دسته تقسیم کرد: مثبت واقعی ( TP ) نشان‌دهنده تعداد پیکسل‌های عناصر در خط طبقه‌بندی صحیح، منفی واقعی ( TN ) نشان‌دهنده تعداد پیکسل‌های پس‌زمینه است که به درستی طبقه‌بندی شده‌اند، مثبت کاذب. ( FP) تعداد پیکسل های پس زمینه ای را نشان می دهد که به اشتباه به ویژگی های خط تقسیم شده اند و منفی کاذب ( FN ) نشان دهنده تعداد پیکسل های ویژگی خط است که به اشتباه به عنوان پیکسل های پس زمینه طبقه بندی شده اند. با توجه به این شاخص‌ها، فرمول‌های محاسباتی برای دقت ، یادآوری و امتیاز F1 به ترتیب معادلات (۸) – (۱۰) هستند.

پ r e c i s i o n = تی پ تی پ + اف پ

(۸)

Re c a l l = تی پ تی پ + اف ن

(۹)

اف ۱ = ۲ \times دقت \times فراخوان دقت + یادآوری

(۱۰)

۳٫ نتایج تجربی و تجزیه و تحلیل

این آزمایش در محیط سیستم لینوکس اجرا شد. چارچوب در حال اجرا Tensorflow2.5 بود و از شتاب GPU استفاده شد. پردازنده سرور Intel(R) Core (TM) (Intel Corporation, Santa Clara, CA, USA) i9-10980XE GPU @ 3.00 GHz و کارت گرافیک NVIDIA GeForce GTX 3080 (Santa Clara, CA, USA) بود. محیط برنامه نویسی Python 3.8.8 (Guido van Rossum، هلند) بود. جدول ۲ تنظیمات پارامتر آزمایش را نشان می دهد.

۳٫۱٫ تأثیر عمق های مختلف شبکه بر نتایج استخراج

اعماق شبکه های مختلف برای تجزیه و تحلیل تأثیر آنها بر استخراج ویژگی خط نقشه انتخاب شدند. جدول ۳ تعداد پارامترهای شبکه را هنگامی که عمق شبکه ۴، ۶ و ۸ است نشان می دهد. همانطور که از جدول ۳ مشاهده می شود ، با عمیق شدن تعداد لایه های شبکه، تعداد پارامترهای شبکه با سرعت دو برابر افزایش می یابد. جدول ۴نتایج ارزیابی دقت را پس از آزمایش با عمق های مختلف شبکه نشان می دهد. مشاهده می شود که با افزایش عمق شبکه، مقادیر DSC، دقت و فراخوان در مجموعه آزمایشی به مقادیر بهینه رسیدند که به ترتیب ۹۴٫۰۵، ۹۵٫۸۶ و ۹۲٫۳۴ درصد بودند. اگرچه تعداد پارامترهای شبکه در لایه ۸ بیشتر از لایه های ۴ و ۶ است، افزایش پارامترها در مقایسه با دقت استخراج آن قابل چشم پوشی است.

شکل ۶مقایسه نتایج استخراج ویژگی خط نقشه شبکه های مختلف را نشان می دهد. جعبه های قرمز در شکل نشان دهنده تفاوت های آشکار است. همانطور که از شکل مشخص است، زمانی که عمق شبکه ۴ باشد، تداخل اطلاعات متنی در نتایج استخراج جدی تر است، اثر استخراج جزئیات ویژگی های خط نقشه مطلوب نیست و تداخل نویز وجود دارد. هنگامی که عمق شبکه ۶ است، نتیجه استخراج بهتر از زمانی است که عمق شبکه ۴ است، اما همچنان تداخل متن وجود دارد. وقتی عمق شبکه ۸ باشد، تقریبا هیچ تداخل متنی در شبکه وجود ندارد و جزئیات استخراج ویژگی آنلاین نیز بهتر است. نتایج نشان می‌دهد که با عمیق‌تر شدن شبکه، تداخل متن به تدریج کاهش می‌یابد و خطوط استخراج‌شده کامل‌تر و کامل‌تر می‌شوند.

هنگامی که عمق شبکه ۸ است، استخراج ویژگی خط به اثر ایده آل رسیده است. بنابراین، ما ۸ لایه را برای عمق نهایی شبکه انتخاب کردیم.

۳٫۲٫ تأثیر ماژول های مختلف جمع بر نتایج استخراج

با افزودن ماژول های مختلف، تأثیر شبکه بر استخراج ویژگی خط آزمایش شد. نتایج تجربی در جدول ۵ نشان داده شده است ، جایی که U_Net_D نشان دهنده اضافه کردن یک لایه غیرفعال سازی تصادفی پس از لایه پیچشی است. U_Net_A نشان دهنده شبکه اضافه شده به ماژول مکانیسم توجه، U_Net_A_D نشان دهنده شبکه ای است که در آن لایه غیرفعال تصادفی نورون ها و ماژول مکانیسم توجه به طور همزمان اضافه می شوند، و U_Net_A_D_AS نشان دهنده شبکه ای است که در آن لایه غیرفعال تصادفی نورون ها و ماژول ASPP در آن قرار دارند. به طور همزمان اضافه شد از جدول ۵ قابل مشاهده استدر مقایسه با شبکه اصلی U-Net، شبکه ای که مکانیسم توجه و ماژول ASPP را ادغام می کند DSC را ۷٫۱۰٪، دقت را تا ۶٫۳۹٪، فراخوانی را با ۸٫۱۶٪، و امتیاز F1 را ۷٫۲۹٪ در مجموعه تست بهبود می بخشد. . هنگامی که فقط ماژول مکانیسم توجه به شبکه اضافه شد، دقت به بالاترین مقدار یعنی ۹۴٫۸۸% رسید، اما DSC در هنگام افزودن همزمان مکانیزم توجه و ماژول ASPP به اندازه آن بالا نبود. هنگامی که ماژول توجه و ASPP به طور همزمان اضافه شدند، DSC و فراخوان به ترتیب به بالاترین مقادیر ۹۳٫۰۳% و ۹۲٫۲۹% رسیدند.

منحنی یادگیری آموزش در آزمایش در شکل ۷ نشان داده شده است . در شکل منحنی قرمز منحنی ضرر مجموعه آموزشی و منحنی آبی منحنی ضرر مجموعه تایید است. محور افقی تعداد تکرارهای آموزشی است و محور عمودی مقدار ضرر است. در آزمایش، تعداد کل زمان‌های آموزش ۱۰۰ بار بود، زیرا تعداد مجموعه‌های داده نسبتاً کم بود و مدل شبکه نسبتاً ساده بود. همانطور که از منحنی یادگیری مجموعه آموزشی مشاهده می شود، روند نهایی منحنی تلفات در مدل بهبودیافته U-Net ارائه شده در این مقاله به پایداری تمایل داشت و دقت در مقایسه با سایر شبکه ها به طور قابل توجهی بهبود یافت.

نتایج استخراج ویژگی خط نقشه پس از افزودن ماژول های مختلف در شکل ۸ نشان داده شده است. همانطور که از شکل حاصل مشاهده می شود، ویژگی های خط استخراج شده حاوی اطلاعات متنی خاصی هستند که با دایره های قرمز در شکل مشخص شده اند. شکل ۸ g نتیجه استخراج مدل ارائه شده در این مقاله است. از شکل به دست آمده می توان دریافت که تأثیر شخصیت ها بسیار بهبود یافته است.

۳٫۳٫ تست تصاویر نقشه با زبان های مختلف

ما از مدل آموزش‌دیده برای آزمایش تصاویر نقشه که به‌عنوان کاراکتر انگلیسی حاشیه‌نویسی شده‌اند، استفاده می‌کنیم. در مجموع ۹۹ تصویر نقشه آزمایش شدند. نتایج تجربی در جدول ۶ نشان داده شده است. از جدول ۶ می توان دریافت که دقت بسیار کمتر از تصاویر نقشه با حروف چینی خواهد بود. ما نتایج نقشه حروف چینی به دست آمده در جدول ۵ را با نتایج نقشه کاراکتر انگلیسی به دست آمده در جدول ۶ مقایسه کردیم.با انتخاب بالاترین شاخص های ارزیابی. ما دریافتیم که DSC 21.91٪ کاهش یافت، دقت ۳۲٫۵۸٪ کاهش یافت، یادآوری ۹٫۲۵٪ کاهش یافت و امتیاز F1 22.3٪ کاهش یافت. این به این دلیل است که تصاویر موجود در مجموعه آموزشی مورد استفاده در مدل آموزشی، همگی تصاویر نقشه حروف چینی هستند. با این حال، شخصیت ها در زبان های مختلف ویژگی های متفاوتی دارند. بنابراین اگر مدل بدون آموزش نقشه کاراکتر انگلیسی مستقیماً روی تصویر نقشه با حروف انگلیسی اعمال شود، دقت آن به میزان قابل توجهی کاهش می یابد.

نتایج استخراج ویژگی های خط نقشه کاراکتر انگلیسی در شکل ۹ نشان داده شده است. در مقایسه با شبکه اصلی U-Net، شبکه بهبودیافته U-Net نیز هنگام آزمایش با تصاویر نقشه کاراکتر انگلیسی تأثیر بهتری داشت. از نتیجه می توان دریافت که اندازه کاراکترهای انگلیسی تأثیر خاصی بر استخراج ویژگی های خط نقشه دارد. اگر کاراکترهای انگلیسی در نقشه بیش از حد بزرگ باشند، به راحتی با ویژگی های خط نقشه اشتباه گرفته می شوند.

۳٫۴٫ تست استحکام مدل U-Net بهبود یافته

استحکام شبکه با اضافه کردن نویز تصادفی به نقشه شطرنجی آزمایش شد. در تصویر معمولاً از نسبت سیگنال به نویز (SNR) برای اندازه گیری نویز تصویر استفاده می شود. در این مقاله از نسبت پیکسل های سیگنال به عنوان SNR برای اندازه گیری میزان نویز اضافه شده استفاده شده است. در این مقاله، SNRهای ۰٫۰۱، ۰٫۰۲، ۰٫۰۳، ۰٫۰۴ و ۰٫۰۵ برای آزمایش تأثیر استخراج شبکه ویژگی‌های خط نقشه انتخاب شدند.

جدول ۷ مقایسه DSC نتایج استخراج ویژگی های مختلف خط SNR را نشان می دهد. در مقایسه با شبکه اصلی U-Net، مدل بهبود یافته شبکه U-Net در این مقاله توانایی ضد نویز بسیار بهبود یافته ای دارد. هنگامی که SNR 0.01 بود، DSC شبکه بهبودیافته ۱۷٫۰۵٪ افزایش یافت. هنگامی که SNR 0.02 بود، DSC 15.11٪ افزایش یافت. هنگامی که SNR 0.03 بود، DSC 14.41٪ افزایش یافت. هنگامی که SNR 0.04 بود، DSC 13.18٪ افزایش یافت. هنگامی که SNR 0.05 بود، DSC 14.55٪ افزایش یافت.

شکل ۱۰ نتایج استخراج ویژگی خط یک نمونه در مجموعه آزمایشی را نشان می دهد. شکل ۱۰ a برچسب نمونه انتخاب شده است و شکل ۱۰ b-f نتایج استخراج ویژگی های خط نقشه نقشه های رنگی با SNR های ۰٫۰۱، ۰٫۰۲، ۰٫۰۳، ۰٫۰۴، و ۰٫۰۵ را با شبکه اصلی U-Net و بهبود شبکه U-Net

کادر قرمز در شکل ۱۰ یک تفاوت آشکار را نشان می دهد. هنگامی که SNR 0.01 بود، شبکه اصلی U-Net دارای خطوط شکسته و ویژگی های خط گم شده بود، همانطور که در کادر قرمز در تصویر استخراج شده توسط U-Net در شکل ۱۰ ب مشخص شده است. با این حال، هنگامی که SNR شبکه بهبودیافته U-Net 0.05 بود، قطع ارتباط رخ داد، همانطور که در کادر قرمز در نتیجه استخراج بهبود یافته U-Net در شکل ۱۰ f نشان داده شده است. وقتی SNR 0.05 بود، خط گمشده اولیه U-Net ویژگی های جدی تری دارد. از این آزمایش می توان دریافت که شبکه U-Net بهبود یافته ارائه شده در این مقاله از استحکام بهتری در استخراج ویژگی آنلاین نسبت به شبکه سنتی U-Net برخوردار است.

۴٫ بحث

نقشه ها اطلاعات ارزشمندی را که فعالیت های انسانی و ویژگی های طبیعی روی زمین را در مدت زمان طولانی مستند می کند، ذخیره می کند. درک چگونگی استفاده کامل از اطلاعات داده ها در نقشه ها به یک نقطه دشوار در تحقیق تبدیل شده است. به دلیل پیچیدگی تصاویر نقشه در مقایسه با تصاویر عمومی، عناصر مختلف روی نقشه ها در هم آمیخته و روی هم قرار گرفته اند که این امر پیچیدگی استخراج عناصر نقشه را افزایش می دهد. بسیاری از تحقیقات موجود بر روی نقشه ها با هدف شناسایی یا تشخیص نمادها بر روی نقشه ها [ ۷ ، ۹ ، ۱۶ ، ۲۳ ]، مانند شناسایی مناطق شهری، هتل ها، و نشانگرهای معماری روی نقشه انجام می شود. تشخیص و استخراج ویژگی های خط نقشه بیشتر بر اساس الگوریتم های سنتی است.

دو چالش عمده در استفاده از CNN های تقسیم بندی معنایی در نقشه ها برای استخراج خودکار ویژگی های جغرافیایی وجود دارد. اولین چالش ایجاد مرزهای دقیق شی است که هنوز یک موضوع تحقیقاتی باز در تقسیم بندی معنایی است. چالش دوم این است که مدل‌های تقسیم‌بندی معنایی آموزش‌دیده شده با مجموعه داده‌های برچسب‌گذاری‌شده در دسترس عموم، برای نقشه‌ها بدون مقدار کافی داده آموزشی برچسب‌گذاری‌شده از اسکن نقشه، به خوبی کار نمی‌کنند. برای بهره‌گیری کامل از محتوای ارزشمند در سری‌های نقشه تاریخی، روش‌های تقسیم‌بندی معنایی پیشرفته که می‌توانند اشیاء کوچک را مدیریت کنند و مرزهای دقیق را استخراج کنند، هنوز باید توسعه یابند.

مدل استخراج ویژگی های خطوط جغرافیایی آموزش داده شده در این مقاله دارای محدودیت های خاصی است. از آنجایی که مجموعه داده مورد استفاده در آموزش مدل نسبتاً ساده است، هیچ تعمیم مناسبی برای نقشه‌های با کاراکترهای مختلف در کشورها و زبان‌های مختلف وجود ندارد. برای تعمیم بیشتر مدل، لازم است انواع نمونه های نقشه در مجموعه آموزشی غنی شود. به طور کلی، اندازه نمونه مجموعه داده فعلی به اندازه کافی بزرگ نیست که مدل را برای انواع بیشتری از نقشه ها اعمال کند.

۵٫ نتیجه گیری ها

در این مقاله، ماژول‌های ASPP و AG را به شبکه سنتی U-Net معرفی کردیم، مجموعه نمونه استخراج ویژگی خط نقشه را ساختیم و یک مدل شبکه U-Net بهبود یافته برای اسکن استخراج ویژگی خط نقشه پیشنهاد کردیم. ماژول AG وزن استخراج ویژگی خط را افزایش داد و تداخل متن پس‌زمینه را کاهش داد. ماژول ASPP برای استخراج ویژگی‌های مقیاس‌های مختلف برای بهبود اثر بخش‌بندی استفاده شد. از طریق تجزیه و تحلیل مقایسه ای آزمایش های طراحی شده با عمق های مختلف شبکه، ماژول های شبکه و تست استحکام، نتایج ما به شرح زیر است:

شبکه U-Net بهبود یافته ای که ما پیشنهاد کردیم به استخراج خودکار دقیق ویژگی های خط نقشه شبکه دست یافت و دقت DSC نتایج استخراج به ۹۳٫۳ درصد رسید. در مقایسه با مدل سنتی شبکه U-Net، DSC 7.1٪ افزایش یافته است، دقت ۶٫۳۹٪ افزایش یافته است، و نرخ فراخوان ۸٫۱۶٪ افزایش یافته است. در حضور نویز، زمانی که SNR 0.01 بود، دقت DSC تا ۱۷٫۰۵٪ بهبود یافت. هنگامی که SNR 0.02 بود، DSC 15.11٪ افزایش یافت. هنگامی که SNR 0.03 بود، DSC 14.41٪ افزایش یافت. هنگامی که SNR 0.04 بود، DSC 13.18٪ افزایش یافت. هنگامی که SNR 0.05 بود، DSC 14.55٪ افزایش یافت.
شبکه بهبودیافته U-Net که در اینجا پیشنهاد شد، توانایی ضد نویز بهتر و استحکام بهتری در استخراج ویژگی های خط نقشه شطرنجی نسبت به شبکه U-Net سنتی داشت، که نشان دهنده قابلیت گسترش برتر آن است.

در این کار، ما به استخراج خودکار ویژگی های خط نقشه شطرنجی بر اساس روش یادگیری عمیق دست یافتیم. با این حال، به دلیل محدودیت منابع داده و حجم کار سنگین بردارسازی دستی نقشه ها، سبک ها و انواع نقشه در مجموعه داده نمونه ایجاد شده در این مقاله کمی یکنواخت هستند. مدل شبکه پیشنهادی در این مقاله باید برای مجموعه‌های نمونه استخراج ویژگی خط بیشتر در آینده آزمایش و بهبود یابد.

منابع

چیانگ، YY; مقدم، س. گوپتا، اس. فرناندس، آر. Knoblock، CA از تصاویر نقشه تا نام های جغرافیایی. در مجموعه مقالات بیست و دومین کنفرانس بین المللی ACM SIGSPATIAL در مورد پیشرفت در سیستم های اطلاعات جغرافیایی، دالاس/فورت ورث، تگزاس، ایالات متحده آمریکا، ۴ تا ۷ نوامبر ۲۰۱۴٫ صص ۵۸۱-۵۸۴٫ [ Google Scholar ]
یو، آر. لو، ز. چیانگ، YY تشخیص متن در نقشه های تاریخی با استفاده از نقشه های دوره های زمانی متعدد. در مجموعه مقالات بیست و سومین کنفرانس بین‌المللی شناسایی الگو (ICPR)، کانکون، مکزیک، ۴ تا ۸ دسامبر ۲۰۱۶ در سال ۲۰۱۶٫ [ Google Scholar ]
فلچر، لس آنجلس؛ Kasturi، R. یک الگوریتم قوی برای جداسازی رشته متن از تصاویر ترکیبی متن/گرافیک. IEEE Trans. الگوی مقعدی ماخ اینتل. ۱۹۸۸ ، ۱۰ ، ۹۱۰-۹۱۸٫ [ Google Scholar ] [ CrossRef ]
ژانگ، تی. یین، ییل؛ Liu، XL تشخیص خودکار نمادهای نقطه ای در نقشه های اسکن شده. مهندس Surv. نقشه ۲۰۰۰ ، ۳ ، ۱۵-۱۸٫ [ Google Scholar ] [ CrossRef ]
Illert، A. دیجیتالی سازی خودکار نقشه های مقیاس بزرگ. در مجموعه مقالات کنوانسیون سالانه Acsm-Asprs 1991، بالتیمور، MD، ایالات متحده آمریکا، ۲۵-۲۹ مارس ۱۹۹۱٫ صص ۱۱۳-۱۲۲٫ [ Google Scholar ]
اوهساوا، ی. ساکاوشی، م. موراکامی، ا. Kamada، K. شناسایی خودکار اطلاعات جاده ها در نقشه های توپوگرافی مقیاس متوسط. در دسترس آنلاین: https://www.isprs.org/proceedings/XXVII/congress/part3/350_XXVII-part3-sup.pdf (در ۲۶ ژوئیه ۲۰۲۲ قابل دسترسی است).
ساتوشی، اس. ماکوتو، ک. Toshio, H. Errata: تشخیص خودکار خط کشی نقشه های بزرگ. انتخاب کنید مهندس ۱۹۸۷ ، ۲۶ ، ۸۲۶٫ [ Google Scholar ]
نگی، جی. سملز، ع. ستز، اس. فیشرز، تی. گاثمان، ای. کالافالا، ک. لی، ال. سیواسوبرامانیام، اس. Xu, Y. خواندن نام خیابان ها از نقشه ها – چالش های فنی. در مجموعه مقالات کنفرانس GIS/LIS، واشنگتن، دی سی، ایالات متحده آمریکا، ۲۰ نوامبر ۱۹۹۸; صص ۸۹-۹۷٫ [ Google Scholar ]
چیانگ، YY; Knoblock، CA تشخیص متن در نقشه های شطرنجی. Geoinformatica ۲۰۱۵ ، ۱۹ ، ۱-۲۷٫ [ Google Scholar ] [ CrossRef ]
چیانگ، YY; لیک، اس. نظری، NH; مقدم، س. Tan, TX ارزیابی تأثیر کیفیت گرافیکی بر تشخیص خودکار متن در نقشه های دیجیتال. محاسبه کنید. Geosci. ۲۰۱۶ ، ۹۳ ، ۲۱-۳۵٫ [ Google Scholar ] [ CrossRef ]
لادوس، جی. والونی، ای. سانچز، جی. مارتی، ای. تشخیص نماد: پیشرفت‌ها و چشم‌اندازهای کنونی. در مجموعه مقالات چهارمین کارگاه بین المللی، GREC 2001، Kingston، ON، کانادا، ۷-۸ سپتامبر ۲۰۰۱٫ [ Google Scholar ]
چیانگ، ی.-ای. لیک، اس. Knoblock، CA بررسی تکنیک های پردازش نقشه دیجیتال. کامپیوتر ACM. Surv. ۲۰۱۴ ، ۴۷ ، ۱-۴۴٫ [ Google Scholar ] [ CrossRef ]
مدل های تجسم سه بعدی Beattie، CS به عنوان ابزاری برای بازسازی چشم انداز تاریخی حوضه آبخیز نهر بالونا. China Fiber Insp. ۲۰۱۱ ، ۹۹ ، ۲۹۰-۳۰۰٫ [ Google Scholar ]
لواچکین، اس. ولاسکز، آ. الکساندروف، وی. خارینوف، ام. تحلیل معنایی و شناخت تصاویر کارتوگرافی رنگی اسکن شده با شطرنجی. در کارگاه بین المللی تشخیص گرافیک ; Springer: برلین/هایدلبرگ، آلمان، ۲۰۰۱; صص ۱۷۸-۱۸۹٫ [ Google Scholar ]
لیم، YW; سانگ، UL در الگوریتم تقسیم‌بندی تصویر رنگی بر اساس تکنیک‌های آستانه‌گذاری و c-means فازی. تشخیص الگو. ۱۹۹۰ ، ۲۳ ، ۹۳۵-۹۵۲٫ [ Google Scholar ]
دو، ج. Zhang, Y. استخراج خودکار خطوط کانتور از نقشه توپوگرافی اسکن شده. در مجموعه مقالات سمپوزیوم بین المللی علوم زمین و سنجش از دور IEEE، انکوریج، آلاسکا، ایالات متحده آمریکا، ۲۰ تا ۲۴ سپتامبر ۲۰۰۴٫ [ Google Scholar ]
وانگ، اس. ژانگ، ز. Wwn، W. Qiu, Z. تقسیم بندی خودکار رنگ در نقشه ها بر اساس نظریه رنگ و ریخت شناسی ریاضی. گاو نر Surv. نقشه ۲۰۰۱ ، ۱۰ ، ۳۳۴-۳۴۰٫ [ Google Scholar ]
Budig, B. استخراج اطلاعات فضایی از نقشه های تاریخی: الگوریتم ها و تعامل ; BoD–Books on Demand: هامبورگ، آلمان، ۲۰۱۸٫ [ Google Scholar ]
لی، دبلیو. Shuai، X. Liu, J. تقسیم بندی نقشه خطوط رنگ بر اساس Matlab. ژئوسپات. Inf. ۲۰۲۱ ، ۱۹ ، ۸۰-۸۲+۸۵٫ [ Google Scholar ] [ CrossRef ]
LeCun، Y.; بنژیو، ی. هینتون، جی. یادگیری عمیق. طبیعت ۲۰۱۵ ، ۵۲۱ ، ۴۳۶-۴۴۴٫ [ Google Scholar ] [ CrossRef ] [ PubMed ]
دوان، دبلیو. چیانگ، YY; Knoblock، C. جین، وی. دان، اف. Uhl، JH; لیک، اس. تراز خودکار ویژگی های جغرافیایی در داده های برداری معاصر و نقشه های تاریخی. در مجموعه مقالات اولین کارگاه هوش مصنوعی و یادگیری عمیق برای کشف دانش جغرافیایی، لس آنجلس، کالیفرنیا، ایالات متحده آمریکا، ۷ تا ۱۰ نوامبر ۲۰۱۷؛ صص ۴۵-۵۴٫ [ Google Scholar ]
Uhl، JH; لیک، اس. چیانگ، YY; دوان، دبلیو. Knoblock، CA استخراج ردپای سکونت انسانی از سری نقشه های توپوگرافی تاریخی با استفاده از یادگیری ماشین مبتنی بر زمینه. در مجموعه مقالات ICPRS 2017، هشتمین کنفرانس بین المللی سیستم های تشخیص الگو، مادرید، اسپانیا، ۱۱ تا ۱۳ ژوئیه ۲۰۱۷٫ [ Google Scholar ]
Uhl، JH; لیک، اس. چیانگ، YY; دوان، دبلیو. Knoblock، CA فضایی سازی عدم قطعیت در تقسیم بندی تصویر با استفاده از شبکه های عصبی کانولوشنال با نظارت ضعیف: مطالعه موردی از پردازش نقشه تاریخی. IET Image Proc. ۲۰۱۸ ، ۱۲ ، ۲۰۸۴–۲۰۹۱٫ [ Google Scholar ] [ CrossRef ]
پنگ، دی اف. ژانگ، YJ; Guan، تشخیص تغییر سرتاسر HY برای تصاویر ماهواره ای با وضوح بالا با استفاده از بهبود یافته UNet plus. Remote Sens. ۲۰۱۹ , ۱۱ , ۱۳۸۲٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
رونبرگر، او. فیشر، پی. Brox، T. U-Net: شبکه های کانولوشن برای تقسیم بندی تصویر زیست پزشکی. پزشکی محاسبه تصویر. Comput.-Assist. مصاحبه Pt III ۲۰۱۵ ، ۹۳۵۱ ، ۲۳۴-۲۴۱٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
چن، LCE; زو، YK; پاپاندرو، جی. شروف، اف. آدام، اچ. رمزگذار-رمزگشا با پیچیدگی قابل جداسازی آتروس برای تقسیم بندی تصویر معنایی. لکت. یادداشت ها محاسبه. علمی ۲۰۱۸ ، ۱۱۲۱۱ ، ۸۳۳-۸۵۱٫ [ Google Scholar ] [ CrossRef ][ نسخه سبز ]
چن، ایکس. ویلیامز، بی.ام. Vallabhaneni, SR; سیزنر، جی. Zheng, Y. یادگیری مدل‌های کانتور فعال برای تقسیم‌بندی تصویر پزشکی. در مجموعه مقالات کنفرانس IEEE/CVF 2019 در مورد دید رایانه و تشخیص الگو (CVPR)، لانگ بیچ، CA، ایالات متحده آمریکا، ۱۵ تا ۲۰ ژوئن ۲۰۱۹٫ [ Google Scholar ]
بوسمن، ع. انگلبرشت، آ. Helbig، M. تجسم حوضه های جذب برای توابع از دست دادن شبکه عصبی متقابل آنتروپی و خطای مربعی. Neurocomputing ۲۰۲۰ , ۴۰۰ , ۱۱۳۱۳۶٫ [ Google Scholar ] [ CrossRef ] [ نسخه سبز ]
کینگما، دی. با، جی. آدام: روشی برای بهینه سازی تصادفی. arXiv ۲۰۱۴ ، arXiv:1412.6980. [ Google Scholar ]
وی، ایکس. ژو، زی. دو روش ارزیابی عملکرد برای مسائل طبقه بندی بر اساس منحنی ROC. محاسبه کنید. تکنولوژی توسعه دهنده ۲۰۱۰ ، ۲۰ ، ۴۷-۵۰٫ [ Google Scholar ]
وو، بی. لین، اس. ژو، جی. ارزیابی کمی شاخص‌ها برای تقسیم‌بندی مبتنی بر شیء تصویر با وضوح فضایی بالا. J. Geo-Inform. علمی ۲۰۱۳ ، ۱۵ ، ۵۶۷-۵۷۳٫ [ Google Scholar ] [ CrossRef ]

شکل ۲٫ مجموعه داده نقشه.

شکل ۳٫ ساختار مدل بهبود یافته U-Net.

شکل ۴٫ نمودار شماتیک اجرای ماژول AG.

شکل ۵٫ نمودار شماتیک به دست آوردن ویژگی های مقیاس های مختلف.

شکل ۶٫ نتایج استخراج شبکه از اعماق مختلف: ( الف ) بلوک های تصویر نقشه رنگی بریده شده، ( ب ) برچسب های ویژگی های خط نقشه تولید شده، ( ج ) نتیجه عمق شبکه ۴ است، ( د ) نتیجه شبکه عمق ۶ است و ( e ) نتیجه عمق شبکه ۸ است.

شکل ۷٫ منحنی یادگیری آموزش شبکه با ماژول های مختلف: ( الف ) منحنی یادگیری U-Net، ( ب ) منحنی یادگیری U_Net_D، ( ج ) منحنی یادگیری U_Net_A، ( د ) منحنی یادگیری U_Net_A_D، و ( ه ) منحنی یادگیری U_Net_A_D_AS.

شکل ۸٫ نتایج استخراج ویژگی های خط: ( الف ) بلوک های تصویر نقشه رنگی بریده شده، ( ب ) برچسب های ویژگی های خط نقشه، ( ج ) نتیجه U-Net، ( د ) نتیجه U_Net_D، ( ه ) نتیجه U_Net_A ، ( f ) نتیجه U_Net_A_D و ( g ) نتیجه U_Net_A_D_AS.

شکل ۹٫ نتایج استخراج نقشه کاراکتر انگلیسی: ( الف ) بلوک‌های تصویر نقشه رنگی برش خورده، ( ب ) برچسب‌های ویژگی‌های خط نقشه، ( ج ) نتیجه U-Net، ( د ) نتیجه U_Net_D، ( ه ) نتیجه U_Net_A ، ( f ) نتیجه U_Net_A_D و ( g ) نتیجه U_Net_A_D_AS.

شکل ۱۰٫ نتایج تجربی با SNR های مختلف: ( الف ) برچسب های ویژگی خط نقشه، ( ب ) نتایج با SNR 0.01، ( ج ) نتایج با SNR 0.02، ( د ) نتایج با SNR 0.03، ( e ) نتایج با SNR 0.04 و ( f ) نتایج با SNR 0.05.

هوش مکانی اتیم تحقیقاتی ونوس نصیرفام