申请/专利权人：长安大学

申请日：2021-01-18

公开（公告）日：2021-04-27

公开（公告）号：CN112712535A

主分类号：G06T7/11(20170101)

分类号：G06T7/11(20170101);G06T7/32(20170101);G06K9/32(20060101);G06K9/62(20060101);G06N3/04(20060101);G06N3/08(20060101)

优先权：

专利状态码：在审-实质审查的生效

法律状态：2021.08.13#实质审查的生效;2021.04.27#公开

摘要：本发明公开了一种基于模拟困难样本的Mask‑RCNN滑坡分割方法，包括步骤：获取研究区域的包含滑坡的遥感影像，对其进行预处理得到训练样本集；构建Mask‑RCNN模型；采用训练样本集对模型进行初步训练，更新模型中的权重；选取训练样本集中的若干标记样本进行模拟困难样本，得到对应的困难样本，再对初步训练后的模型进行训练；获取目标区域的遥感影像作为待测样本，预处理后输入滑坡分割模型，完成滑坡的分割识别。本发明不仅对道路、裸地等易混淆地物有着良好的识别能力，而且在实际研究区域滑坡样本难以满足模型训练要求的情况下，仍能取得较好的检测效果。

主权项：1.基于模拟困难样本的Mask-RCNN滑坡分割方法，其特征在于，包括以下步骤：步骤1，获取研究区域的包含滑坡的遥感影像，对该遥感影像进行预处理，得到训练样本集；并构建Mask-RCNN模型；步骤2，采用训练样本集对Mask-RCNN模型进行初步训练，更新Mask-RCNN模型中的权重，得到初步训练后的Mask-RCNN模型；步骤3，选取训练样本集中的若干标记样本进行模拟困难样本，得到对应的困难样本，采用困难样本对初步训练后的Mask-RCNN模型进行训练，得到Mask-RCNN滑坡分割模型；步骤4，获取目标区域的遥感影像作为待测样本，对待测样本进行预处理，得到预处理后的待测样本，采用Mask-RCNN滑坡分割模型对预处理后的待测样本进行滑坡分割，得到目标区域的滑坡区域，完成滑坡的分割识别。

全文数据：

权利要求：

百度查询： 长安大学 基于模拟困难样本的Mask-RCNN滑坡分割方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD