[发明专利]基于深度学习的高分辨率影像建筑物提取方法及系统在审
| 申请号： | 201910886542.6 | 申请日： | 2019-09-19 |
| 公开（公告）号： | CN110675408A | 公开（公告）日： | 2020-01-10 |
| 发明（设计）人： | 不公告发明人 | 申请（专利权）人： | 成都数之联科技有限公司 |
| 主分类号： | G06T7/11 | 分类号： | G06T7/11;G06T3/40 |
| 代理公司： | 51220 成都行之专利代理事务所(普通合伙) | 代理人： | 熊曦 |
| 地址： | 610000 四川省成都市*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了基于深度学习的高分辨率影像建筑物提取方法及系统，包括采集高分辨率影像建筑物图像数据；预处理数据得到训练集、验证集和测试集，分别用于训练、验证和测试特征金字塔U型网络；每层特征金字塔网络的输出接入包围框子网络，用于确定建筑物个数和位置；利用分割子网络对特征图层输出进行语义分割，用于提取建筑物边界和轮廓信息；利用包围框子网络和分割子网络的输出获得建筑物提取结果；本方法及系统采用一次提取策略明显提升神经网络的预测速度；采用特征金字塔骨干网络结构，大幅提高建筑物提取的准确率；采用U型网络作为上采样网络，明显提高对不同大小不同形状建筑物的适应性；实现实例级分割，有助于面积统计和建筑物计数。 | ||
| 搜索关键词： | 建筑物提取 建筑物 高分辨率影像 框子 网络 子网络 输出 金字塔 分割 建筑物图像 金字塔网络 预处理数据 包围 测试特征 轮廓信息 面积统计 神经网络 网络结构 语义分割 测试集 上采样 特征图 训练集 验证集 准确率 采集 验证 预测 学习 | ||
【主权项】：
1.基于深度学习的高分辨率影像建筑物提取方法，其特征在于，所述方法包括：/n步骤1：构建特征金字塔网络，使用深度残差网络作为特征金字塔网络的特征抽取器；融合深度残差网络低层级特征图与对应的上采样后的高层级特征图作为高层级特征金字塔网络的输出；/n步骤2：将每一层特征金字塔网络的输出接入包围框子网络；在每一层特征金字塔网络输出后添加一个U型网络融合上采样和不同层级特征，融合后的不同层级特征通过特征金字塔网络特征图层输出，利用分割子网络对特征图层的输出进行语义分割；/n步骤3：优化分割子网络输出的包围框分类和位置：/n步骤4：利用分割子网络对特征图层输出的原始尺寸特征图进行语义分割，得到图中每个像素的类别；/n步骤5：利用步骤3得到的包围框分类和位置结果，以及步骤4得到的像素类别结果，得到包围框类别和包围框内部的分割结果，进而获得遥感影像建筑物的提取结果。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于成都数之联科技有限公司，未经成都数之联科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910886542.6/，转载请声明来源钻瓜专利网。
