[发明专利]一种基于迁移学习的建筑物标定方法

摘要

一种基于迁移学习的建筑标定方法，包括如下步骤：1)取自制数据集分别构造训练集和测试集，该数据集包含来自相关设计所的建筑物设计图以及网上实拍建筑物图片，应用作为推荐系统测试数据；2)构建建筑物标定技术架构模型，该模型包括图像特征标定，图像特征提取，数据库匹配，马氏距离设定以及最后的图像认证；3)将数据集切分成小块依次输入到建筑物识别神经网络中利用反向传播Adam算法更新参数，通过所设置的训练轮数来训练最后更改的分类器进行训练；4)将训练好的模型对实际建筑物图片进行标定。

主权项

1.一种基于迁移学习的建筑物标定方法，包括以下步骤：/n步骤1.自制数据集，建筑物数据集来自于Google图片以及百度图片，基于现有的数据集共分为七类生活中常见的建筑物，分别为教堂，居民楼，医院，酒店，图书馆，别墅住房以及商场，并作均一化处理；/n步骤2.构建基于迁移学习的多特征标定神经网络模型，整个网络架构分为图像特征标定，图像特征提取，数据库匹配，以及图形认证；/n图像特征标定：针对建筑物风格明显的建筑物进行单一特征标定，风格多样的进行多特征标定，继而形成该图片的特征矩阵；/n图像特征提取：进行特征标定后的图片作为网络输入，多层神经网络由一系列卷积层和下采样层的相互配合来学习原始图像的特征，结合经典的BP算法来调整参数，完成权值更新，BP网络更新权值公式为：/nω(t+1)＝ω(t)+ηδ(t)x(t) (1)/n其中ω(t)为连接权值，x(t)为神经元的输出，δ(t)表示该神经元的误差项，η表示学习率，网络中卷积层的网络结构采用卷积的离散型，表示为：/n