审图模型的训练方法和训练装置及审图的方法和装置制造方法及图纸

本公开提供了审图模型的训练和装置及审图的方法和装置，涉及人工智能领域，尤其涉及图像处理领域

【技术实现步骤摘要】
审图模型的训练方法和训练装置及审图的方法和装置


[0001]本公开涉及人工智能领域，尤其涉及图像处理领域，具体为一种审图模型训练方法和训练装置及审图的方法和装置
。

技术介绍

[0002]城市规划中的道路设计和电力布局等组成部分，地图审核是一个重要的任务，旨在发现和纠正地图上的各种问题，以确保地图的准确性
、
可靠性
、
合规性和适用性
。
传统的地图审查方式主要依赖于人工审查，这种方式虽然能够发现一些问题，但也存在一些缺点
。
首先，人工审查的速度相对较慢，需要消耗大量的人力资源；其次，由于人类的视觉和注意力有限，容易漏检或误检；最后，人工审查的主观性较强，不同审查人员的判断标准和方法可能存在差异，导致审查结果可靠性低
。

技术实现思路

[0003]本公开提供了一种审图模型训练方法和训练装置以及审图的方法
、
装置
、
设备
、
存储介质以及计算机程序产品
。
[0004]根据本公开的第一方面，提供了一种审图模型的训练方法，包括：获取待审样本地图
、
真值地图
、
待审样本地图和真值地图的标注相似度；对所述待审样本地图和所述真值地图分别进行线元素提取，根据提取的线元素对应生成待审线要素图和真值线要素图；将所述待审线要素图和所述真值线要素图输入初始审图模型中的基于自注意力机制的特征提取器，得到待审样本地图的中间特征图和真值地图的中间特征图；将所述待审样本地图的中间特征图和所述真值地图的中间特征图输入所述初始审图模型中的相似度比较网络，得到预测相似度；基于所述预测相似度和所述标注相似度的差异调整所述初始审图模型中的基于自注意力机制的特征提取器和
/
或相似度比较网络的网络参数
。
[0005]根据本公开的第二方面，提供了一种审图方法，包括：获取待审地图和标准地图；对所述待审地图和所述标准地图分别进行线元素提取，根据提取的线元素对应生成待审线要素图和标准线要素图；将所述待审线要素图和所述标准线要素图输入根据第一方面中任一项所述的方法训练的审图模型中，输出所述待审地图和所述标准地图的审图结果
。
[0006]根据本公开的第三方面，提供了一种审图模型的训练装置，包括：获取单元，被配置成获取待审样本地图
、
真值地图
、
待审样本地图和真值地图的标注相似度；预处理单元，被配置成对所述待审地图待审样本地图和所述真值地图分别进行线元素提取，根据提取的线元素对应生成待审线要素图和真值线要素图；提取单元，被配置成将所述待审线要素图和所述真值线要素图输入初始审图模型中的基于自注意力机制的特征提取器，得到待审样本地图的中间特征图和真值地图的中间特征图；计算单元，被配置成将所述待审样本地图的中间特征图和所述真值地图的中间特征图输入所述初始审图模型中的相似度比较网络，得到预测相似度；调整单元，被配置成基于所述预测相似度和所述标注相似度的差异调整所述初始审图模型中的基于自注意力机制的特征提取器和
/
或相似度比较网络的网络参
数
。
[0007]根据本公开的第四方面，提供了一种审图装置，包括：获取单元，被配置成获取待审地图和标准地图；预处理单元，被配置成对所述待审地图和所述标准地图分别进行线元素提取，根据提取的线元素对应生成待审线要素图和标准线要素图；审核单元，被配置成将所述待审线要素图和所述标准线要素图输入根据第三方面中任一项所述的装置训练的审图模型中，输出所述待审地图和所述标准地图的审图结果
。
[0008]根据本公开的第五方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行第一方面或第二方面中任一项所述的方法
。
[0009]根据本公开的第六方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行第一方面或第二方面中任一项所述的方法
。
[0010]根据本公开的第七方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现第一方面或第二方面中任一项所述的方法
。
[0011]应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围
。
本公开的其它特征将通过以下的说明书而变得容易理解
。
附图说明
[0012]附图用于更好地理解本方案，不构成对本公开的限定
。
其中：
[0013]图1是本公开可以应用于其中的示例性系统架构图；
[0014]图2是根据本公开审图模型的训练方法的一个实施例的流程图；
[0015]图3是根据本公开审图模型的训练方法的一个应用场景的示意图；
[0016]图4是根据本公开审图的方法的一个实施例的流程图；
[0017]图5是根据本公开审图模型的训练装置的一个实施例的结构示意图；
[0018]图6是根据本公开审图的装置的一个实施例的结构示意图；
[0019]图7是适于用来实现本公开实施例的电子设备的计算机系统的结构示意图
。
具体实施方式
[0020]以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的
。
因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神
。
同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述
。
[0021]图1示出了可以应用本公开实施例的审图模型的训练方法
、
审图模型的训练装置
、
审图的方法或审图的装置的示例性系统架构
100。
[0022]如图1所示，系统架构
100
可以包括终端
101、102
，网络
103、
数据库服务器
104
和服务器
105。
网络
103
用以在终端
101、102
，数据库服务器
104
与服务器
105
之间提供通信链路的介质
。
网络
103
可以包括各种连接类型，例如有线
、
无线通信链路或者光纤电缆等等
。
[0023]用户
110
可以使用终端
101、102
通过网络
103
与服务器
105
进行交互，以接收或发送
...

【技术保护点】

【技术特征摘要】
1.
一种审图模型的训练方法，包括：获取待审样本地图
、
真值地图
、
待审样本地图和真值地图的标注相似度；对所述待审样本地图和所述真值地图分别进行线元素提取，根据提取的线元素对应生成待审线要素图和真值线要素图；将所述待审线要素图和所述真值线要素图输入初始审图模型中的基于自注意力机制的特征提取器，得到待审样本地图的中间特征图和真值地图的中间特征图；将所述待审样本地图的中间特征图和所述真值地图的中间特征图输入所述初始审图模型中的相似度比较网络，得到预测相似度；基于所述预测相似度和所述标注相似度的差异调整所述初始审图模型中的基于自注意力机制的特征提取器和
/
或相似度比较网络的网络参数
。2.
根据权利要求1所述的方法，其中，所述对所述待审样本地图和所述真值地图分别进行线元素提取，根据提取的线元素对应生成待审线要素图和真值线要素图，包括：从所述待审样本地图和所述真值地图中提取线要素的色彩信息；基于线要素的色彩信息使用图像分割技术将所述待审样本地图和所述真值地图中的线要素与背景分离开来，得到待审线要素图和真值线要素图
。3.
根据权利要求2所述的方法，其中，所述方法还包括：应用图像处理技术减少或移除所述待审线要素图和所述真值线要素图中的噪声和干扰
。4.
根据权利要求1所述的方法，其中，所述对所述待审样本地图和所述真值地图分别进行线元素提取，根据提取的线元素对应生成待审线要素图和真值线要素图，包括：通过深度学习的分割模型对所述待审样本地图和所述真值地图分别进行线元素提取，得到待审线要素图和真值线要素图
。5.
根据权利要求4所述的方法，其中，所述方法还包括：基于所述预测相似度和所述标注相似度的差异调整所述分割模型的网络参数
。6.
根据权利要求1所述的方法，其中，所述将所述待审线要素图和所述真值线要素图输入初始审图模型中的基于自注意力机制的特征提取器，得到待审样本地图的中间特征图和真值地图的中间特征图，包括：分别将所述待审线要素图和所述真值线要素图分割成固定大小的块，得到待审子图像集合和真值子图像集合；分别对所述待审子图像集合和所述真值子图像集合进行全局特征提取，得到待审样本地图的中间特征图和真值地图的中间特征图
。7.
根据权利要求1所述的方法，其中，所述将所述待审线要素图和所述真值线要素图输入初始审图模型中的基于自注意力机制的特征提取器，得到待审样本地图的中间特征图和真值地图的中间特征图，包括：基于卷积神经网络分别从所述待审线要素图和所述真值线要素图中提取出待审样本地图的局部特征图和真值地图的局部特征图；分别对所述待审样本地图的局部特征图和所述真值地图的局部特征图进行全局特征提取，得到待审样本地图的中间特征图和真值地图的中间特征图
。8.
根据权利要求1所述的方法，其中，所述将所述待审样本地图的中间特征图和所述真
值地图的中间特征图输入所述初始审图模型中的相似度比较网络，得到预测相似度，包括：将所述待审样本地图的中间特征图和所述真值地图的中间特征图进行拼接得到完整特征图；将所述完整特征图展开成特征向量，输入所述相似度比较网络中的多层感知机，得到感知向量；将所述感知向量输入所述相似度比较网络的
Sigmoid
函数，得到预测相似度
。9.
根据权利要求8所述的方法，其中，所述将所述完整特征图展开成特征向量，包括：将所述完整特征图进行卷积和池化操作，得到压缩特征图；将所述压缩特征图展开成特征向量
。10.
一种审图方法，包括：获取待审地图和标准地图；对所述待审地图和所述标准地图分别进行线元素提取，根据提取的线元素对应生成待审线要素图和标准线要素图；将所述待审线要素图和所述标准线要素图输入根据权利要求1‑9中任一项所述的方法训练的审图模型中，输出所述待审地图和所述标准地图的审图结果
。11.
一种审图模型的训练装置，包括：获取单元，被配置成获取待审样本地图
、
真值地图
、
待审样本地图和真值地图的标注相似度；预处理单元，被配置成对所述待审地图待审样本地图和所述真值...

【专利技术属性】
技术研发人员：左栋，邹辉东，张文晖，张雨心，何建辉，柏松林，杨建忠，
申请(专利权)人：自然资源部地图技术审查中心，
类型：发明
国别省市：