DeepSSN：一种用于评估空间场景相似度的深度卷积神经网络
计算机视觉与模式识别
2022-02-11 v1 人工智能
摘要
基于草图的空间查询是一种直观的工具，可用于探索人类关于地理环境的空间知识，并支持与场景数据库查询的通信。然而，传统的基于草图的空间搜索方法因无法从心智草图中发现隐藏的多尺度地图特征而表现不佳。在本研究中，我们提出了一种深度卷积神经网络，即深度空间场景网络（DeepSSN），以更好地评估空间场景相似度。在DeepSSN中，设计了一个三元组损失函数作为综合距离度量来支持相似度评估。设计了一种利用空间推理中定性约束网络的正负例挖掘策略，以确保在训练过程中三元组的区分度持续增加。此外，我们使用所提出的DeepSSN开发了一个原型空间场景搜索系统，用户可通过草图地图输入空间查询，系统能自动增强草图训练数据。所提出的模型使用多源融合地图数据（包括数据增强后的131,300个标注场景样本）进行验证。实证结果表明，在使用平均倒数排名和精确率指标时，DeepSSN优于包括k近邻、多层感知机、AlexNet、DenseNet和ResNet在内的基线方法。本研究通过引入一种为空间场景查询量身定制的新型深度学习方法，推动了地理信息检索研究的发展。
引用
@article{arxiv.2202.04755,
title = {DeepSSN: a deep convolutional neural network to assess spatial scene similarity},
author = {Danhuai Guo and Shiyin Ge and Shu Zhang and Song Gao and Ran Tao and Yangang Wang},
journal= {arXiv preprint arXiv:2202.04755},
year = {2022}
}
备注
28 pages, 10 figures, 8 tables