科研之友
微信
新浪微博
Facebook
分享链接
摘要
随着人工智能的发展，基于深度学习的有监督密集匹配方法在虚拟、室内及驾驶等近景数据集上取得了不错的表现。针对航空影像密集匹配标签数据获取困难的问题，本文在无监督密集匹配框架下，借鉴多个有监督网络结构，分别在航空影像数据集和作为参照的近景数据集上测试了匹配精度，实现了网络结构模块与精度关系的定性分析，为进一步探索深度学习在测绘领域的实用化提供了重要的参考。试验在相同损失函数条件下，分别采用DispNetS、DispNetC、iResNet、GCNet、PSMNetB及PSMNetS网络结构进行测试。经分析，得出如下结论：(1)测试的网络结构中，PSMNetS在航空影像数据集和近景数据集上表现稳定，且精度最高，训练整体耗时少，具有实用化的潜力；(2)在监督方法中效果更好的网络结构在无监督方法中效果不一定更好，其精度不仅取决于网络自身的匹配能力，同时也依赖于网络与损失函数的兼容性；(3)孪生网络模块、相关信息融合模块、金字塔池化模块和堆叠沙漏模块与无监督损失函数兼容性良好，可提升网络精度，而iResNet的图像重构迭代精化模块与重构损失函数重复约束，会产生“负优化”的作用。
-
单位信息工程大学地理空间信息学院
