[发明专利]建筑物识别方法及装置

说明书

本发明提供一种建筑物识别方法及装置，其方法包括：将待识别图像输入特征提取模型，获得多个不同尺度的特征图；将每一特征图输入识别模型，获得所述待识别图像的建筑物识别结果；其中，特征提取模型和识别模型是基于样本图像以及对应的识别标签进行训练后得到；样本图像包括多个不同尺度的建筑物样本的图像；识别标签是根据多个不同尺度的建筑物样本预先确定的，并与样本图像一一对应；每一特征图，分别包括不同尺度的建筑物目标的特征。本发明提供的建筑物识别方法及装置，能更完整的提取待识别图像中的多尺度建筑物目标的特征，能通过训练好的识别模型实现待识别图像中多尺度建筑物的共生识别，能提高多尺度建筑物识别的准确率。

技术领域

本发明涉及目标识别技术领域，尤其涉及一种建筑物识别方法及装置。

背景技术

现有技术中，对图像进行建筑物目标识别的方法可以分为两类。一是基于候选区域的目标识别方法，二是基于回归的目标识别方法。前者通过算法生成一系列作为测试样本的候选框后，利用卷积神经网络对测试样本分类，并进一步进行建筑物目标的识别；后者无需产生候选框，直接将目标边框定位的问题转化为回归问题，利用卷积神经网络提取样本特征后，通过回归分析获得建筑物目标的类别概率和位置信息。

多尺度的建筑物目标，指存在尺度差异较大的多个尺度的建筑物目标。通过上述两种现有技术对存在多尺度的建筑物目标的待识别图像进行图像识别时，尺度较小的建筑物目标在识别过程中易被丢失，尺度较大的建筑物目标会因为特征信息不全而无法识别，导致对多尺度的建筑物目标的识别准确率较低。

发明内容

本发明提供一种建筑物识别方法及装置，用以解决现有技术中对多尺度的建筑物目标图像的识别准确率较低的缺陷，实现更准确的识别多尺度的建筑物目标。

本发明提供一种建筑物识别方法，包括：

将待识别图像输入特征提取模型，获得多个不同尺度的特征图；

将每一所述特征图输入识别模型，获得所述待识别图像的建筑物识别结果；

其中，所述特征提取模型和所述识别模型是基于样本图像以及对应的识别标签进行训练后得到；所述样本图像包括多个不同尺度的建筑物样本的图像；所述识别标签是根据所述多个不同尺度的建筑物样本预先确定的，并与所述样本图像一一对应；每一所述特征图，分别包括不同尺度的建筑物目标的特征。

根据本发明提供的一种建筑物识别方法，所述将待识别图像输入特征提取模型，获得多个不同尺度的特征图，具体包括：

将所述待识别图像输入所述特征提取模型中的特征提取子模型，获得多个不同尺度的原始特征图；

根据尺度由小到大相邻的每两个所述原始特征图，获得所述多个不同尺度的特征图。

根据本发明提供的一种建筑物识别方法，所述将所述待识别图像输入所述特征提取模型包括的特征提取子模型，获得多个不同尺度的原始特征图，具体包括：

将第n个原始特征图输入所述特征提取子模型中的第(n+1)个特征提取卷积单元，获得第(n+1)个原始特征图；

其中，1≤n≤N，N为所述特征提取子模型包括的所述特征提取卷积单元的个数，n用于表示原始特征图尺度由大到小的顺序。

根据本发明提供的一种建筑物识别方法，所述特征提取卷积单元，包括：

顺次连接的一个卷积残差块和若干个恒等残差块。

根据本发明提供的一种建筑物识别方法，所述卷积残差块的主路径包括顺次连接的第一多尺度卷积单元、第二多尺度卷积单元和第三多尺度卷积单元；

所述第二多尺度卷积单元，包括特征分组子单元、特征叠加子单元和特征融合子单元；