基于深度学习的地物自动识别矢量转化方法
本发明涉及地物图像处理技术领域,且公开了基于深度学习的地物自动识别矢量转化方法,通过基于CBAM注意力机制与多尺度特征融合实现像素级地物精准分类,通过改进Canny检测与多项式拟合提取平滑边界,结合Shapely与Geopandas库实现矢量自动生成与拓扑处理,最终通过属性特征数据库智能匹配完成属性赋值。进而将地物数据处理周期从数天缩短至数小时,显著提升数据处理效率,并为国土规划、灾害应急等提供快速可靠的数据支撑。同时,通过混合损失函数优化、概率校准及拓扑迭代优化机制,显著提升地物识别准确率与矢量数据几何精度,有效降低数据偏差,为国土空间开发与生态保护提供更科学合理的数据保障。