[发明专利]一种基于Mask R-CNN的地图地理环境自动识别方法

说明书

本发明公开了一种基于Mask R‑CNN的地图地理环境自动识别方法，包括以下步骤：1)瓦片地图的收集；2)通过对手动标记地理环境的瓦片地图进行预处理获得训练集；3)Mask R‑CNN的环境部署；4)根据Mask R‑CNN理论构建神经网络模型；5)训练神经网络；6)地图地理环境的自动识别。本发明基于Mask R‑CNN的地图地理环境自动识别方法，以labelme标记的训练集喂入构建的神经网络中进行训练，使得地图数据能自动输入计算机，并被计算机自动识别，能够精确地自动识别地图中的地理环境，减少了人工对数据的输入，提高了加工的效率。

技术领域

本发明属于图像识别技术领域，尤其是指一种基于Mask R-CNN的地图地理环境自动识别方法。

背景技术

一幅普通地图的地理环境有水系、地貌、植被、居民点、交通等。此外，地图上用以说明各地理环境的名称、特征、质量和数量的文字及数字叫注记。地图的要素是采用一定颜色的点、线、几何图形表示，这些点、线、几何图形叫做地图的符号，它是地图的语言，不仅能反映地物的形状、大小，而且也能给出地物的质量、数量及其相互关系。

地图广泛用于经济建设、国防建设以及科学研究的许多部门和领域，利用计算机分析和处理地图具有重要意义。由于地图数据量大、精度高、内容复杂，而采用扫描仪或传真机将地图图象自动输入到计算机的方法，只能输入原始图象而不能提取隐含于地图内的各种地理环境，无法代替地图的人工输入，导致现有采用人工将地图数据输入到计算机的作法，效率较低，难以满足应用要求。

发明内容

本发明的目的在于针对上述问题，提供一种基于Mask R-CNN的地图地理环境自动识别方法。本方法能够精确地自动识别地图中的地理环境，减少了人工对数据的输入，提高了加工的效率。

本发明的目的可采用以下技术方案来达到：

一种基于Mask R-CNN的地图地理环境自动识别方法，包括以下步骤：

1)瓦片地图的收集；

2)通过对手动标记地理环境的瓦片地图进行预处理获得训练集；

3)Mask R-CNN的环境部署；

4)根据Mask R-CNN理论构建神经网络模型；

5)训练神经网络；

6)地图地理环境的自动识别。

进一步地，所述步骤1)的具体内容为：

通过电子地图下载器开源软件对瓦片地图进行下载，下载完图片之后输出下载图片的拼接图。

进一步地，所述步骤2)的具体内容为：

利用labelme开源软件手动对瓦片地图中的地理环境进行标记，保存之后自动在文件目录后生成与图片同名的json文件，对获得的json文件进行批量解析进而获得训练模型所需要的训练集。

进一步地，所述步骤3)的具体内容为：

安装Anaconda3数据科学包、安装tensorflow开源软件库、下载Mask R-CNN开源项目和在coco数据集上预训练权重mask_rcnn_coco.h5、安装pycocotools数据库。

进一步地，所述步骤4)的具体内容为：

根据Mask R-CNN理论模型，构建的神经网络模型包括输入层、图像地理环境特征提取与地理环境建议区域确定层,地理环境目标框体形成层和输出层。

进一步地，所述步骤5)的具体内容为：

根据步骤4构建的神经网络重写一个训练类，根据步骤2得到的训练集喂入已经构建好的神经网络，进行训练并得到一个训练模型。