申请/专利权人：山东建筑大学

申请日：2023-03-29

公开（公告）日：2023-05-02

公开（公告）号：CN116052006A

主分类号：G06V20/10

分类号：G06V20/10;G06V10/26;G06V10/34;G06V10/44;G06V10/774;G06V10/82;G06N3/0464;G06N3/084

优先权：

专利状态码：有效-授权

法律状态：2023.06.16#授权;2023.05.19#实质审查的生效;2023.05.02#公开

摘要：本发明提供了一种基于多任务学习与对偶彩票假说的建筑物边缘优化方法，属于遥感科学技术领域。通过以下技术方案实现：构建高分辨率遥感影像建筑物语义分割与边缘检测数据集；以CNN分割模型为骨架构建建筑物语义分割任务和边缘检测任务的多任务模型；设定多任务模型的稀疏率和两个任务参数共用参数比率，随机生成遥感影像建筑物语义分割和边缘检测任务参数掩码矩阵，生成两个任务的子网络；采用结合范数正则化与参数掩码矩阵分别对建筑物语义分割任务和边缘检测任务的损失函数进行改进；训练模型得到训练好的遥感影像建筑物多任务模型；将多任务中语义分割任务模型进行重构并提取出来。

主权项：1.基于多任务学习与对偶彩票假说的建筑物边缘优化方法，其特征在于，包括以下步骤：S1、构建高分辨率遥感影像建筑物语义分割与边缘检测数据集；S2、以CNN分割模型为骨架构建建筑物语义分割任务和边缘检测任务的多任务模型，模型中语义分割任务为主任务，边缘检测任务为辅助任务；S3、设定多任务模型的稀疏率和两个任务参数共用参数比率，随机生成遥感影像建筑物语义分割和边缘检测任务参数掩码矩阵，生成两个任务的子网络；S4、采用结合范数正则化与参数掩码矩阵分别对建筑物语义分割任务和边缘检测任务的损失函数进行改进；S5、采用一种余弦不等比例交替训练策略，周期性的加强与减弱建筑物边缘检测任务对语义分割任务牵制负面影响的传递，采用反向传播和随机梯度下降算法，利用步骤S1构建的数据集对构建的多任务模型进行训练，训练的同时结合步骤S3的限定条件与步骤S4的方法对建筑物语义分割模型参数掩码矩阵进行多次迭代变换，达到预设定精度后即得到训练好的遥感影像建筑物多任务模型；S6、根据最后一次转换后的建筑物语义分割参数掩码矩阵以及参数权重值，将多任务中语义分割任务模型进行重构并提取出来；得到经过边缘检测任务辅助训练的语义分割模型，将实际建筑物的遥感影像输入该训练好的并提取重构的语义分割模型中即可得到边缘更为优化的该建筑物语义分割结果。

全文数据：

权利要求：

百度查询： 山东建筑大学 基于多任务学习与对偶彩票假说的建筑物边缘优化方法

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