申请/专利权人：中国地质大学(武汉)

申请日：2022-04-26

公开（公告）日：2024-04-19

公开（公告）号：CN114820655B

主分类号：G06V10/26

分类号：G06V10/26;G06V10/764;G06V10/77;G06V10/774;G06V10/82;G06V20/70;G06N3/0464;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.04.19#授权;2022.08.16#实质审查的生效;2022.07.29#公开

摘要：本发明公开了一种可靠区域作为注意力机制监督的弱监督建筑物分割方法，包括以下步骤：构建弱监督语义分割网络，网络包括：第一分类网络、可靠区域合成模块，第二分类网络、像素注意力模块和类激活映射计算模块、孪生网络结构、损失函数设计模块；获取建筑物图像和人工标记的分类标签作为训练集，利用训练集对分类网络进行训练，得到初始种子，将初始种子输入可靠区域合成模块中得到可靠标签；用训练集对基于像素注意力模块和孪生网络结构的类激活映射模块进行训练，得到类激活映射；最后用生成的可靠标签作为类激活映射的监督，得到伪标签，使用伪标签训练现有网络得到最终的建筑物分割结果。本发明仅通过分类标签实现了像素级语义分割。

主权项：1.一种可靠区域作为注意力机制监督的弱监督建筑物分割方法，其特征在于：包括以下步骤：S1、构建弱监督语义分割网络，所述弱监督语义分割网络包括：第一分类网络、可靠区域合成模块，第二分类网络、像素注意力模块和类激活映射计算模块、孪生网络结构、损失函数设计模块；损失函数设计模块包括第二分类网络的损失函数，等变约束损失函数和可靠区域损失函数；S2、获取无人机拍摄的建筑物图像和人工标记的分类标签作为训练集，利用训练集对第一分类网络进行初步训练，得到初始种子；S3、将得到的初始种子输入到可靠区域合成模块中得到可靠标签；步骤S2-S3具体如下：S2.1：所述第一分类网络的损失函数定义如下： 其中yi表示样本i的标签，前景为1，背景为0，N代表训练样本的个数，p代表预测概率向量；S2.2：给定第一分类网络，输入原始图像和分类标签使用S2.1的损失函数对第一分类网络进行训练，计算得到CAM： 其中wc是类别c的最后分类层的权重，fx是GMP之前输入图像x的特征图；S2.3：设置前景阈值θfg，给定一个滑动窗口W，确定某一像素i，若该像素以及在滑动窗口内的概率值均大于前景的阈值，则选定该像素点为可靠区域，其余均为不可靠区域，即背景，定义如下： 其中DR表示可靠标签，Wi表示像素i滑动窗口内的像素点；表示像素i属于类别c的概率；S4、用训练集对第二分类网络进行训练，得到高级特征映射，训练的损失函数为第二分类损失函数；S5、用高级特征映射作为像素注意力模块的输入，得到改进的高级特征映射；所述像素注意力模块，用于对提取到的高级特征映射f建立全局关系；首先将f分别输入到两个卷积核为1的卷积层中得到新的特征映射Q和K；利用Q和K进行矩阵运算得到注意力矩阵A；将f输入到新的卷积层中得到V；将V和注意力矩阵进行矩阵相乘得到残差模块；将残差模块加权到原始的高级特征映射；S6、将改进的高级特征映射作为类激活映射计算模块的输入，得到类激活映射；S7、孪生网络结构在弱监督语义分割网络的训练过程中共享权值，并利用等变约束损失函数提供等变约束；S8、用步骤S3生成的可靠标签作为步骤S6类激活映射的监督，得到可靠区域损失函数；S9、使用损失函数设计模块训练弱监督分割网络得到伪标签；S10、使用伪标签训练DeeplabV1分割网络，利用DeeplabV1分割网络进行分割，得到最终的建筑物分割结果。

全文数据：

权利要求：

百度查询： 中国地质大学(武汉) 可靠区域作为注意力机制监督的弱监督建筑物分割方法

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