[发明专利]样例生产方法及模型训练方法

权利要求书

1.一种样例生产方法，其特征在于，所述方法包括：

从与影像数据匹配的待选矢量数据中获取待处理地物要素的标识码，其中，所述待选矢量数据中记录有多种地物要素的标识码以及所述标识码对应的地物边界信息；

根据第一预设条件对所述标识码对应的地物边界信息进行预处理，得到目标要素数据；

利用所述目标要素数据对所述影像数据进行切割，得到多个目标样例，其中，所述目标样例用于构建深度学习算法中的训练模型；

所述目标样例包括单要素分割样例，所述单要素分割样例包括第一参考样例、第一参考标签，所述利用所述目标要素数据对所述影像数据进行切割，得到多个目标样例，包括：

获取所述目标要素数据中的各个要素的地物边界信息，得到每个要素的包络矩形；

根据所述包络矩形对所述影像数据进行切割，以从所述影像数据中提取由所述包络矩形切割到的像素，并对所述包络矩形中的非目标要素部分进行单色填充，得到所述第一参考样例；

对所述包络矩形中的目标要素部分进行单色填充，得到所述第一参考标签，其中，所述目标要素部分与所述非目标要素部分填充的颜色不同；

或：

所述目标样例包括单要素分割样例，所述单要素分割样例包括第二参考样例、第二参考标签，所述利用所述目标要素数据对所述影像数据进行切割，得到多个目标样例，包括：

根据所述目标要素数据中各个要素的地物边界信息确定每个要素的裁剪矩形；

利用所述裁剪矩形对所述影像数据进行切割，以从所述影像数据中提取由所述裁剪矩形切割到的像素，得到所述第二参考样例；

用两种颜色分别对同一所述裁剪矩形中的目标要素部分、非目标要素部分进行单色填充，得到所述第二参考标签，其中，所述目标要素部分的标识码与所述非目标要素部分的标识码不同；

或：

所述目标样例包括多要素分割样例，所述多要素分割样例包括多要素分割参考样例、多要素分割参考标签，所述利用所述目标要素数据对所述影像数据进行切割，得到多个目标样例，包括：

根据所述目标要素数据中的各个要素的地物边界信息确定标准网格；

利用所述标准网格对所述影像数据进行切割，得到所述多要素分割参考样例；

对存在于所述标准网格中的多个要素进行栅格化处理，得到所述多要素分割参考标签。

2.如权利要求1所述的方法，其特征在于，所述根据第一预设条件对所述标识码对应的地物边界信息进行预处理，得到目标要素数据，包括：

获取与所述标识码对应的地物边界信息，所述地物边界信息包括地物面积；

根据所述地物面积对所述标识码所表示的地物要素进行过滤，得到目标要素数据。

3.如权利要求1所述的方法，其特征在于，所述根据第一预设条件对所述标识码对应的地物边界信息进行预处理，得到目标要素数据，包括：

以所述待选矢量数据中的各个标识码作为要素区分标志，利用预设的颜色配置表对所述待选矢量数据中记录的各个地物要素进行渲染，得到目标要素数据。

4.如权利要求1所述的方法，其特征在于，所述根据第一预设条件对所述标识码对应的地物边界信息进行预处理，得到目标要素数据，包括：

获取缓冲区间；

根据所述缓冲区间对所述标识码对应的地物边界进行区域缓冲更新，得到目标要素数据，所述目标要素数据中记录有更新后的地物边界信息。

5.如权利要求4所述的方法，其特征在于，所述目标样例包括单目标识别样例，所述利用所述目标要素数据对所述影像数据进行切割，得到多个目标样例，包括：

利用所述更新后的地物边界信息中的边界对所述影像数据进行切割，得到所述单目标识别样例。

6.如权利要求1-5任一项所述的方法，其特征在于，在所述利用所述目标要素数据对所述影像数据进行切割，得到多个目标样例之前，所述方法还包括：

对所述目标要素数据中的各个要素设置地区属性。

7.一种模型训练方法，其特征在于，所述方法包括：

获取权利要求1-6任一项所述的样例生产方法得到的多个目标样例；

将所述多个目标样例作为训练数据输入待训练模型进行训练，得到解译模型。