[发明专利]城市治理图像目标提取方法、装置及其应用

权利要求书

1.城市治理图像目标提取方法，其特征在于，包括以下步骤：

S00、提取原始图像中的特征信息，并对特征信息的特征点之间进行聚合；

S10、将聚合后的特征信息进行投影并分配到对应的目标类型，以获取所述图像中描述目标分布的掩码图像矩阵；

S20、对所述原始图像进行数据增强操作，并从中随机选择多个增强图像；

S30、根据随机选择多个增强图像，在所述掩码图像矩阵中截取对应的位置，并依照数据增强操作的方式获取增强图像对应的掩码图像矩阵，以提取所述增强图像中的目标特征；

S40、将所述目标特征经过设定层数的MLP生成对应的非线性的投影向量和预测向量，其中每个增强图像生成相对于对应掩码图像矩阵的投影向量和预测向量；

S50、对其中一个增强图像的掩码图像矩阵的预测向量与另一个增强图像的掩码图像矩阵的投影向量进行回归预测计算，以获取对应的差异损失；

S60、基于所述差异损失构建回归损失函数，并引导训练目标提取模型，通过该目标提取模型对输入图像进行目标提取。

2.如权利要求1所述的城市治理图像目标提取方法，其特征在于，S00步骤中，特征点之间聚合的具体步骤为：

对所述特征信息进行聚类，并依据预设的聚类中心点获取聚类后的每个簇；

计算出每个聚类中心与对应簇内特征点的相似度矩阵；

以聚类中心点为基础，将该聚类中心对应簇内的特征点利用相似度作为特征的聚合权重，以聚合成新的特征，使得新的特征包含簇内特征点的相似性。

3.如权利要求2所述的城市治理图像目标提取方法，其特征在于，S10步骤中，特征点之间聚合后再投影分配的具体步骤为：

利用MLP层还原到原始特征的维度，将聚合的特征信息分配到原始特征信息的每个特征点上，以共享特征点之间信息。

4.如权利要求1所述的城市治理图像目标提取方法，其特征在于，S30步骤中，提取增强图像的空间特征，并与掩码图像矩阵进行相应特征点计算，以去除非感兴趣区域特征，并获得增强图像的空间特征中符合条件的目标特征。

5.如权利要求1所述的城市治理图像目标提取方法，其特征在于，S50步骤中，通过构建回归损失函数，使得不同图像中的同一物体之间的相似性最大化，同时使得不同物体之间的相似性最小化，并通过该回归损失函数计算进行其中一个增强图像的掩码图像矩阵的预测向量与另一个增强图像的掩码图像矩阵的投影向量的回归预测计算。

6.如权利要求1-5任一项所述的城市治理图像目标提取方法，其特征在于，S20步骤和S30步骤中，随机选择两个增强图像，根据两个增强图像，在所述掩码图像矩阵中截取对应的位置，并依照数据增强操作的方式获取增强图像对应的掩码图像矩阵，得到第一掩码矩阵和第二掩码矩阵。

7.如权利要求6所述的城市治理图像目标提取方法，其特征在于，S40步骤中，将所述目标特征经过两层的MLP生成对应的非线性的投影向量和预测向量，第一张增强图像生成相对于第一掩码矩阵的投影向量和预测向量，第二增强图像生成相对于第二掩码矩阵的投影向量和预测向量。