公开(公告)号：CN119722847A

公开(公告)日：2025-03-28

申请号：CN202411749891.0

申请日：2024-12-02

Applicant: 中国地质大学(武汉)

Inventor： 陈占龙 ,  尹子恒 ,  鲁谢春

IPC: G06T11/20 ,  G06F18/241 ,  G06N3/0464 ,  G06N3/0499 ,  G06N3/0895 ,  G06N3/09

Abstract: 本申请提供了一种多任务学习建筑物矢量数据化简方法，涉及地图制图综合领域，方法包括：将建筑物化简任务分割为节点移除分类任务和节点移动预测任务；制作建筑物节点数据集；根据建筑物节点数据集以及点卷积神经网络，得到建筑物各节点的移除分类结果；对于建筑物各节点移除分类结果为移动标签的节点，利用多层感知机网络对其移动进行预测，得到移动预测结果；将移动预测结果与移除分类结果相结合，对原建筑物的矢量数据进行处理，得到最终的建筑物化简结果。本发明能够利用网络对建筑物进行化简的同时，综合考虑建筑物化简的保留性约束条件，有效提高了化简的准确性。

公开(公告)号：CN118351273A

公开(公告)日：2024-07-16

申请号：CN202410499596.8

申请日：2024-04-24

Applicant: 中国地质大学(武汉)

Inventor： 陈占龙 ,  刘江文 ,  尹子恒 ,  徐永洋 ,  陶留锋 ,  鲁谢春 ,  赵军利 ,  夏爽 ,  康华 ,  黄紫娟

IPC: G06T19/20 ,  G06T17/10 ,  G06V10/75 ,  G06V10/762 ,  G06T7/13 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/042 ,  G06N3/0455 ,  G06N3/0895

Abstract: 本发明提供了一种基于深度聚类与图卷积自编码的建筑物模板匹配化简方法，涉及制图综合领域。该方法通过将建筑物轮廓节点转换为图模型顶点构建建筑物轮廓的图结构；结合区域和局部的几何信息定义顶点标签；利用图卷积自编码器网络对图结构数据进行形状编码；通过深度聚类模型对形状编码进行提取，生成化简模板库；基于面积占比等指标将原始数据与模板进行对应以实现建筑物的化简。本发明将对比学习和深度聚类网络融入图卷积自编码器，能够准确提炼建筑物的形状特点，并自动构建适合不同建筑物数据集的形状模板库，有效对建筑物进行针对性化简。

公开(公告)号：CN118334393A

公开(公告)日：2024-07-12

申请号：CN202410507026.9

申请日：2024-04-25

Applicant: 中国地质大学(武汉)

Inventor： 陈占龙 ,  夏爽 ,  尹子恒 ,  徐永洋 ,  陶留锋 ,  鲁谢春 ,  赵军利 ,  刘江文 ,  康华 ,  黄紫娟

IPC: G06V10/762 ,  G06V10/40 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/084 ,  G06N3/048

Abstract: 本发明公开了一种基于Graph‑BERT的建筑物群组模式认知方法、装置与设备，涉及测绘地理信息领域，通过上下文描述信息反映建筑物与相邻要素的相似性关系，采用无监督学习方式获取用于表述建筑物所处群组模式的特征向量，特征向量能够有效区分建筑物所处群组模式是否规则，通过简单的聚类算法即可实现规则群组与不规则群组的划分与认知。本发明的有益效果是：本发明是在无样本条件下对建筑物要素进行模式认知，结合建筑物要素空间分布以及建筑物上下文信息，构建k阶亲密度的采样子图，可保证图顶点表征学习中建筑物与邻接建筑物模式特征相同，提高模式特征学习的有效性，可为建筑物群组模式识别的底层认知模型提供支撑。