[发明专利]道路特征提取方法、装置、设备及存储介质

权利要求书

1.一种道路特征提取方法，其特征在于，所述道路特征提取方法包括以下步骤：

通过道路特征提取模型对训练数据集进行特征提取，依次获得初始特征映射、全局上下文依赖关系特征映射、高层语义特征映射、多尺度上下文特征映射、解码器后的特征映射；

通过后向传播算法对所述解码器后的特征映射进行训练，获得训练后的道路特征提取模型；

通过所述训练后的道路特征提取模型对待分类的影像进行道路特征分类，获得每张所述影像的道路特征分类结果。

2.如权利要求1所述的道路特征提取方法，其特征在于，所述通过道路特征提取模型对训练数据集进行特征提取，依次获得初始特征映射、全局上下文依赖关系特征映射、高层语义特征映射、多尺度上下文特征映射、解码器后的特征映射，具体包括：

通过所述道路特征提取模型中编码器的残差模块对所述训练数据集进行卷积和池化处理，获得所述训练数据集的初始特征映射；

通过所述道路特征提取模型中编码器的全局上下文模块对所述初始特征映射进行矩阵乘法处理，得到注意权重向量，并将所述注意权重向量与相应的键值进行加权求和，获得所述全局上下文依赖关系特征映射；

通过所述道路特征提取模型中编码器的后续残差模块与全局上下文模块对所述依赖特征映射进行高层语义提取处理，获得所述高层语义特征映射；

通过所述道路特征提取模型中的多平行的膨胀卷积模块对所述高层语义特征映射进行多尺度上下文特征提取处理，获得所述多尺度上下文特征映射；

通过所述道路特征提取模型中的解码器将所述多尺度上下文特征映射进行上采样处理，通过跳级连接将所述高层语义特征映射和所述全局上下文依赖关系特征映射分别输入到对应的解码器中，通过转置卷积恢复所述全局上下文依赖关系特征映射和所述高层语义特征映射的对象细节和空间维度，获得所述解码器后的特征映射。

3.根据权利要求1所述的道路特征提取方法，其特征在于，在所述通过道路特征提取模型对训练数据集进行特征提取之前，还包括：

对所述训练数据集进行数据增强处理，获得增强训练数据集；

对所述道路特征提取模型进行初始化并设置超参数，获得初始化道路特征提取模型；

将所述增强训练数据集输入到所述初始化道路特征提取模型进行特征提取。

4.根据权利要求3所述的道路特征提取方法，其特征在于，通过所述训练后的道路特征提取模型对待分类的影像进行道路特征分类，获得每张所述影像的道路特征分类结果，具体包括：

根据二元交叉熵、Dice系数损失函数及后向传播优化所述训练后的道路特征提取模型的超参数，获得所述训练后的道路特征提取模型的最优超参数；

将所述待分类的影像输入到最优的道路特征提取模型；

根据所述最优超参数来获取所述影像每个像元的类别标签，并生成类别特征图；

将所述类别特征图通过转置卷积上采样处理，恢复为原始影像的空间尺寸，获得每张所述影像的道路特征分类结果。

5.一种道路特征提取装置，其特征在于：所述道路特征提取装置包括：

数据增强模块，用于对所述训练数据集进行数据增强处理，获得增强训练数据集；

初始化模块，用于对道路特征提取模型进行初始化及超参数设置，获得初始化道路特征提取模型；

特征提取模块，用于对所述增强训练数据集进行特征提取，依次获得初始特征映射、全局上下文依赖关系特征映射、高层语义特征映射、多尺度上下文特征映射、解码器后的特征映射；

训练模块，用于对所述解码器后的特征映射进行训练，获得训练后的道路特征提取模型；

分类模块，用于将待分类的影像输入到所述的训练后的道路特征提取模型，进行道路特征分类，获取每张所述影像的道路特征分类结果。

6.一种道路特征提取设备，其特征在于，所述道路特征提取设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的道路特征提取程序，所述道路特征提取程序被所述处理器执行时实现如权利要求1至4中任一项所述的道路特征提取方法的步骤。

7.一种存储介质，其特征在于，所述存储介质上存储有道路特征提取程序，所述道路特征提取程序被处理器执行时实现如权利要求1至4中任一项所述的道路特征提取方法的步骤。