利用深度卷积神经网络进行扫描地形图中点符号识别方法及系统

本发明涉及计算机地图制图技术领域，特别涉及一种利用深度卷积神经网络进行扫描地形图中点符号识别方法及系统，构建适用于监督学习的点符号数据集，并对数据集按比例划分；对数据集中的原始地图利用数据增强方法扩大数据集；基于k‑means++聚类算法生成适用于多类点符号的锚框；设计ASPP‑YOLOv4模型进行多类点符号的定位和检测；对整幅地形图采用“先切图，再放大，后检测，最后拼接”的图像处理操作；利用损失函数和数据集对模型进行训练与评估。本发明引入空洞空间金字塔池化模块，从而有效获取多尺度信息，显著提高了点符号的识别精度和定位准确性。