申请/专利权人：山东建筑大学

申请日：2023-03-29

公开（公告）日：2023-06-16

公开（公告）号：CN116052006B

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；所述建筑物语义分割任务和边缘检测任务的多任务模型输入为高分辨率遥感影像，输出为建筑物语义分割任务建筑物分割图和建筑物边缘检测任务建筑物边缘提取概率图；所述建筑物语义分割任务和边缘检测任务初始化阶段共用编码器部分的全部卷积模块；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；所述掩码矩阵，满足如下条件 ；式中：为遥感影像建筑物语义分割任务随机生成的掩码矩阵，为遥感影像建筑物语义分割任务随机生成的掩码矩阵，为和，为设定的稀疏率，为设定的两个任务参数共用参数比率；多任务模型为： ；对于每个任务其子网络表示为：；式中：为建筑物分割图，为建筑物边缘提取概率图，为多任务模型，为高分辨率遥感影像建筑物语义分割与边缘检测数据集，为多任务模型参数；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；所述损失函数为： ；式中，为建筑物语义分割任务的损失函数，为建筑物边缘检测任务的损失函数，表示常规使用的某一损失函数，表示参数掩码矩阵中值为1的参数，表示参数掩码矩阵中为0的参数，为权衡参数；从设置的最小值开始，每次迭代以等差数列的形式逐渐加其值，直至增加至设定的最大值；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构建的高分辨率遥感影像建筑物语义分割与边缘检测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的方法对遥感影像建筑物语义分割任务随机生成的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；所述余弦不等比例交替训练策略，进一步削弱建筑物语义分割任务与边缘检测任务牵制负面影响的传递具体步骤如下：在每个周期中，建筑物语义分割任务与边缘检测交替迭代的次数比满足如下条件： ；式中，为分割周期，表示为第个迭代周期，为最大迭代周期数； 由训练过程中的精度评价指标分数决定，且满足公式： ；式中，表示语义分割任务分数，表示∶边缘检测任务分数，即：建筑物边缘检测任务分数和建筑物边缘检测任务分数同时大于0.6的最小周期；采用反向传播和随机梯度下降算法，利用高分辨率遥感影像建筑物语义分割与边缘检测数据集进行多任务训练，训练过程中对遥感影像建筑物语义分割任务随机生成的掩码矩阵进行多次迭代变换，使参数掩码矩阵满足如下公式： ；式中，表示初始化有约束生成的建筑物语义分割网络的参数掩码矩阵，表示第次迭代变换，第次迭代有约束生成的建筑物语义分割网络的参数掩码矩阵，其中为M的倍数；每次迭代变换后，使用新生成的参数掩码矩阵重构建筑物语义分割子网络；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