杨金凯，王国中，范涛

（上海工程技术大学 电子电气工程学院，上海 201620）

0 引言

在一些特殊场景下，如军事行动、工程项目的现场临时指挥和调度，人们往往需要当场手绘一张草图，来传达自己的意图。这就要求计算机能够根据绘图者所绘制的草图来匹配标准的符号图，提高绘图的效率和质量。传统的方法都是采用特征空间的相似度进行匹配，来实现草图的匹配。如矢量特征描述法即对线条的描述与刻画、图模型匹配法等，但是实际效果不理想难以实际应用。本文的方法包括2 个部分，第一部分是让卷积神经网络识别草图是什么；第二部分则是根据识别结果匹配标准图，从而实现草图的匹配。

1 卷积神经网络模型

本文提出的基于神经网络的手绘草图的识别与匹配算法在精准度上可以达到98%以上，比传统的特征匹配方法有非常大的提升，并且可以达到实际应用的程度，对于技术的落地应用具有重大意义。

VGGNet 是牛津大学计算机视觉组（Visual Geometry Group）和谷歌一起研发的深度卷积神经网络。VGGNet 研究了卷积神经网络的性能和卷积神经网络深度之间的关系，通过重复使用3×3 卷积核进行卷积以及2×2 的最大池化，组合成深度为16～19 层的卷积神经网络，使得图片分类任务的准确率相较于之前的图片分类方法有很大的提高。不仅如此VGGNet 的强大特征提取能力使得其迁移能力也很强，在迁移到其它图像任务上的泛化能力也很强。

VGGNet 特点是所有的卷积层使用的卷积核和池化层都是3×3 的卷积核与2×2 的最大池化，其性能的提升主要是依赖网络结构的不断加深。……