申请/专利权人:西安电子科技大学
申请日:2020-08-14
公开(公告)日:2020-11-20
公开(公告)号:CN111968088A
主分类号:G06T7/00(20170101)
分类号:G06T7/00(20170101);G06T7/11(20170101);G06N3/04(20060101);G06N3/08(20060101)
优先权:
专利状态码:有效-授权
法律状态:2023.09.15#授权;2020.12.08#实质审查的生效;2020.11.20#公开
摘要:本发明公开了一种基于像素和区域分割决策融合的建筑物检测方法,分别构建引入残差结构的基于像素分割模型和引入特征金字塔网络的基于区域双分割模型;从光学遥感数据集中生成训练样本集和测试样本集;对训练集样本中的图像进行预处理;用加入Diceloss和交叉熵损失的混合监督损失训练像素分割模型;将测试样本集输入到训练结束的双分割网络中,分别输出测试样本集的预测结果;根据决策方案融合双分割网络的预测结果,输出测试样本集的最终检测结果,完成检测。本发明关注大型建筑的空间一致性的同时,保留了小型建筑的多尺度特征,保证了建筑物特征的丰富性,提高了建筑物检测准确率。
主权项:1.一种基于像素和区域分割决策融合的建筑物检测方法,其特征在于,包括以下步骤:S1、分别构建引入残差结构的基于像素分割模型和引入特征金字塔网络的基于区域双分割模型;S2、从光学遥感数据集中选取训练集和测试集,生成训练样本集和测试样本集;S3、对训练集样本中的图像进行预处理,包括对原图像进行随机旋转、上下翻转和水平翻转以得到新的图像,增加训练用样本数量;S4、用加入Diceloss和交叉熵损失的混合监督损失训练像素分割模型,调整基于区域分割模型的roi大小比例设置并训练基于区域的双分割模型;S5、将测试样本集输入到训练结束的双分割网络中,分别输出测试样本集的预测结果;S6、根据决策方案融合双分割网络的预测结果,输出测试样本集的最终检测结果,完成检测。
全文数据:
权利要求:
百度查询: 西安电子科技大学 一种基于像素和区域分割决策融合的建筑物检测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。