几种具有编解码结构的深度学习模型在建筑物综合中的应用与比较

深度学习技术促使诸多领域研究取得突破性进展,基于深度神经网络的地图综合研究备受期待.将建筑物综合过程抽象解释为编解码过程,系统地研究基于编解码结构的深度神经网络在建筑物综合中的应用.首先,利用空间划分与矢量-栅格数据转换相结合的方式构建样本和样本集;然后,利用样本集训练基于编解码结构的深度神经网络,实现建筑物综合学习泛化并测试、评估其效果;最后,搭建5种代表性的基于编解码结构的深度神经网络,分析比较各模型在建筑物综合中的应用效果.实验结果表明,基于编解码结构的深度神经网络能够从建筑物综合样本中学习或推理出部分建筑物综合知识和综合操作,且5种模型中Pix2Pix更适用于建筑物综合的学习模拟.