[发明专利]基于弱监督学习的受灾建筑快速定位评估方法及装置

说明书

本发明公开了一种基于弱监督学习的受灾建筑快速定位评估方法及装置，涉及灾害定位领域。该方法包括：从互联网中爬取灾害数据，灾害数据中包含未受灾的建筑图像以及受灾建筑图像，对灾害数据依据建筑是否受灾进行二分类标签的标注；根据标注后的灾害数据对预设的深度学习网络模型进行训练，得到二分类模型；对待识别的大场景图像进行分块，根据二分类模型和预设识别方法对图像块进行受灾建筑识别和定位，得到定位结果，并对受灾建筑的受损程度进行评估。本发明适用于无人机拍摄的大尺寸大场景图像的受灾建筑快速定位，极大减小标记的工作量与降低标记的主观性，能够避免细节和纹理信息损失，具有良好的识别精度，能够准确识别和定位受灾建筑。

技术领域

本发明涉及灾害定位领域，尤其涉及一种基于弱监督学习的受灾建筑快速定位评估方法及装置。

背景技术

中国村镇分布区域广泛，自然环境因素复杂。相较于城市，我国70％以上的受灾地区为村镇，村镇灾害多发、频发，而防灾减灾能力薄弱，在同等灾害破坏的情况下，村镇的损失远大于城市。目前，对于灾害的定位主要依靠无人机获取的受灾地区的图像。

传统灾害定位方法主要是基于目标检测与图像分割的深度学习方法，然而这种方式需要标注受损区域的范围以及受损程度标签，导致标注工作量大、主观性强，再加上无人机图像的标签是有限的，使得标签存在大量噪声。因此，目前亟需一种能够利用无人机获取的大场景图像实现灾害自动、快速定位的方案。

发明内容

本发明所要解决的技术问题是针对现有技术的不足，提供一种基于弱监督学习的受灾建筑快速定位评估方法及装置。

本发明解决上述技术问题的技术方案如下：

一种基于弱监督学习的受灾建筑快速定位评估方法，包括：

从互联网中爬取灾害数据，所述灾害数据中包含未受灾的建筑图像以及受灾建筑图像，对所述灾害数据依据建筑是否受灾进行二分类标签的标注；

根据标注后的所述灾害数据对预设的深度学习网络模型进行训练，得到二分类模型；

对待识别的大场景图像进行分块，根据所述二分类模型和预设识别方法对图像块进行受灾建筑识别和定位，得到定位结果；

根据所述定位结果对受灾建筑的受损程度进行评估。

本发明解决上述技术问题的另一种技术方案如下：

一种存储介质，所述存储介质中存储有指令，当计算机读取所述指令时，使所述计算机执行如上述技术方案所述的基于弱监督学习的受灾建筑快速定位评估方法。

本发明解决上述技术问题的另一种技术方案如下：

一种基于弱监督学习的受灾建筑快速定位评估装置，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序，实现如上述技术方案所述的基于弱监督学习的受灾建筑快速定位评估方法。

本发明的有益效果是：本发明提供的受灾建筑快速定位评估方法及装置，适用于无人机拍摄的大尺寸大场景图像的受灾建筑快速定位，通过从互联网中爬取小尺寸的受灾建筑的灾害数据，仅仅进行是否包含受灾建筑的二分类标注，极大减小标记的工作量与降低标记的主观性。然后根据标记后的数据训练深度学习网络模型，当需要对大场景图像进行识别时，对大场景图像进行分块，减少每个图像块中建筑的数量，再通过预设识别方法对受灾建筑进行识别和定位，解决了现有技术中因无人机获取数据场景尺度大，单一视场包含多个建筑且单个建筑目标较小，直接输入模型将导致关键信息丧失，无法识别受损建筑的问题，能够避免细节和纹理信息损失，具有良好的识别精度，能够准确识别和定位受灾建筑。

本发明附加的方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明实践了解到。