[口头报告]基于感知增强弱监督迁移学习的建筑形状相似性度量方法研究

基于感知增强弱监督迁移学习的建筑形状相似性度量方法研究

编号：155 稿件编号：41 访问权限：仅限参会人更新：2025-09-10 15:17:40 浏览：93次口头报告

报告开始：暂无开始时间（Asia/Shanghai）

报告时间：暂无持续时间

所在会议：[暂无会议] » [暂无会议段]

暂无文件

摘要

建筑物形状相似性度量是地理空间认知的关键技术，在地图综合、空间检索和城市分析等领域具有重要应用价值。针对传统几何特征编码方法在复杂形状表达和跨区域适应性方面的局限性，本研究提出了感知增强的弱监督迁移学习框架。该框架创新性地融合多视角轮廓解析与多尺度特征编码技术：首先构建关系-坐标双视角特征表征体系，形成感知增强的建筑物多视角表达；其次设计基于图注意力网络的感知增强多尺度空间编码模块，实现局部细节与全局特征的协同感知；最后建立弱监督迁移学习机制，利用有限标注数据挖掘潜在跨区域形状特征。实验验证表明，PA-WSTL框架在建筑物形状相似性度量任务中性能显著优于现有方法，展现出优异的跨区域适应能力。该研究为地理空间形状分析提供了新的技术范式，有力推动了智能制图与空间数据集成的发展。

关键字

弱监督学习,迁移学习,形状相似性度量,图神经网络,地理人工智能

报告人

王海涛

博士 中国地质大学（武汉）

稿件作者

王海涛中国地质大学（武汉）

徐永洋中国地质大学（武汉）

谢忠中国地质大学（武汉）