公开(公告)号：CN116758424A

公开(公告)日：2023-09-15

申请号：CN202310739574.X

申请日：2023-06-20

Applicant: 中国地质大学(武汉)

Inventor： 徐永洋 ,  李文晶 ,  谢雪景 ,  谢忠

IPC: G06V20/10 ,  G06V10/26 ,  G06V10/40 ,  G06V10/764 ,  G06V10/82 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提出一种基于图卷积网络的建筑物化简算法选择方法、装置及设备。该方法通过对单个建筑物构建合理图结构，使模型学习到单个建筑物的形状特征，对其进行自适应化简算法分类，找到适合该形状建筑物在目标比例尺下化简的最优解。旨在通过对建筑物形状特征的学习，建立对建筑物整体的形状特征与表达，通过图卷积神经网络学习分类的方法，建立建筑物形状编码与多种化简算法的映射关系，从而实现为目标比例尺下的建筑物轮廓化简。本发明将图卷积神经网络应用于建筑物化简算法选择研究，能批量化、自动化的对建筑物语义分割结果进行有效化简；本发明在对建筑物形状进行描述时，引入了多尺度特征，对建筑物的形状描述更加准确。