[發(fā)明專利]基于精細(xì)特征學(xué)習(xí)的建筑物檢測方法

在審

• 申請?zhí)枺?/td>: 201910768818.0
• 申請日: 2019-08-20
• 公開（公告）號(hào): CN110532914A
• 公開（公告）日: 2019-12-03
• 發(fā)明（設(shè)計(jì)）人: 王爽;侯彪;何佩;周立剛;曹思宇;趙棟;焦李成
• 申請（專利權(quán)）人: 西安電子科技大學(xué)
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/62;G06N3/04;G06N3/08;G06T7/11;G06T7/13
• 代理公司: 61205 陜西電子工業(yè)專利中心
• 代理人: 田文英;王品華<國際申請>=<國際公布>

1.一種基于精細(xì)特征學(xué)習(xí)的建筑物檢測方法，其特征在于，利用稠密卷積塊提取光學(xué)遙感圖像的精細(xì)特征圖，使用自頂向下的方法融合特征圖，用融合邊緣的深監(jiān)督損失訓(xùn)練稠密卷積網(wǎng)絡(luò)，該方法的具體步驟包括如下：

步驟1，構(gòu)造稠密卷積網(wǎng)絡(luò)：

搭建一個(gè)由5個(gè)相同結(jié)構(gòu)的稠密卷積塊級(jí)聯(lián)成稠密卷積網(wǎng)絡(luò)，每個(gè)稠密卷積塊結(jié)構(gòu)由9層組成，其結(jié)構(gòu)依次為：輸入層→第一卷積層→第一融合層→第二卷積層→第二融合層→第三卷積層→第三融合層→第四卷積層→第四融合層；

設(shè)置輸入層的通道個(gè)數(shù)為3個(gè)；將第一至第四卷積層中卷積核的個(gè)數(shù)依次設(shè)置為64、64、128、128，卷積核的尺度均設(shè)置為3×3個(gè)節(jié)點(diǎn)；

步驟2，生成訓(xùn)練樣本集和測試樣本集：

從光學(xué)遙感數(shù)據(jù)集中選取大小為960×960×3的至少16張光學(xué)遙感圖片，將其中75％的圖片組成訓(xùn)練集，其余25％的圖片組成測試集；

將訓(xùn)練集中的每張光學(xué)遙感圖片隨機(jī)重疊切割成大小為480×480×3的訓(xùn)練樣本，對每張圖片切割150次后得到訓(xùn)練樣本集；

將測試集中的每張光學(xué)遙感圖片不重疊切割成大小為480×480×3的4張的測試樣本組成測試樣本集；

步驟3，對樣本集中的圖像進(jìn)行預(yù)處理：

對訓(xùn)練樣本集圖像和測試樣本集圖像分別做灰度拉伸，對灰度拉伸后的圖像中的每個(gè)像素在0到1之間做歸一化處理，得到預(yù)處理后的訓(xùn)練樣本集和測試樣本集；

步驟4，利用稠密卷積塊提取光學(xué)遙感圖像的精細(xì)特征圖：

第一步，將預(yù)處理后的訓(xùn)練樣本集輸入到第一個(gè)稠密卷積塊中，將稠密卷積塊中的第一卷積層輸出的所有特征圖與第二卷積層輸出的所有特征圖，在通道上進(jìn)行疊加操作后輸入到第三卷積層，得到第三卷積層輸出的特征圖，將第一至第三卷積層輸出的所有特征圖在通道上進(jìn)行疊加操作后輸入到第四卷積層，得到第四卷積層輸出的特征圖，將第一至第四卷積層輸出的所有特征圖在通道上進(jìn)行疊加操作，得到低層語義信息的精細(xì)特征圖；

第二步，將低層語義信息的精細(xì)特征圖，按照與第一步相同的方法，通過第二個(gè)稠密卷積塊，得到次低層語義信息精細(xì)特征圖；

第三步，采用與第二步相同的方法，通過第三、第四、第五稠密卷積塊后，得到高層語義信息的特征圖；

步驟5，使用自頂向下方法融合特征圖：

第一步，將高層語義信息的特征圖，通過2倍上采樣反卷積操作，得到上采樣特征圖；

第二步，將第四稠密卷積塊的輸出，通過一個(gè)核為1×1的卷積操作，得到通道縮減一半的特征圖，將通道縮減一半的特征圖與第一步中的上采樣特征圖在通道上進(jìn)行疊加，得到第一個(gè)融合特征圖；

第三步，對第一個(gè)融合的圖像進(jìn)行2倍上采樣反卷積操作，得到第一個(gè)融合的圖像的上采樣特征圖；對第三稠密卷積塊的輸出進(jìn)行通道縮減一半的1×1的卷積操作，對經(jīng)過卷積操作后的特征圖和第一個(gè)融合的圖像的上采樣特征圖在通道上進(jìn)行疊加，得到第二個(gè)融合特征圖，

第四步，采用與第三步相同的方法，對第二個(gè)融合的特征圖和第二個(gè)稠密卷積塊的輸出進(jìn)行處理，得到第三個(gè)融合特征圖，對第三個(gè)融合特征圖和第一個(gè)稠密卷積塊的輸出進(jìn)行處理，得到第四個(gè)融合特征圖；

步驟6，用融合邊緣的深監(jiān)督損失訓(xùn)練稠密卷積網(wǎng)絡(luò)：

第一步，對每個(gè)融合特征圖依次進(jìn)行卷積和反卷積操作，對每個(gè)經(jīng)過卷積和反卷積操作后的特征圖計(jì)算交叉熵?fù)p失，對所有交叉熵?fù)p失相加得到融合交叉熵?fù)p失；

第二步，將第五稠密卷積塊輸出的高層語義信息的特征圖，通過16倍上采樣操作，得到logits圖像，將logits圖像經(jīng)過sigmoid得到預(yù)測圖，利用Sobel邊緣檢測算法，得到預(yù)測圖和真值圖的邊緣圖像，對兩張邊緣圖像計(jì)算交叉熵?fù)p失得到邊緣交叉熵?fù)p失；將融合交叉熵?fù)p失和邊緣交叉熵?fù)p失相加，得到融合邊緣的深監(jiān)督損失；

第三步，分別求出融合邊緣的深監(jiān)督損失對稠密卷積網(wǎng)絡(luò)中每個(gè)需要優(yōu)化的參數(shù)的偏導(dǎo)數(shù)，將每個(gè)需要更新優(yōu)化的參數(shù)和其偏導(dǎo)數(shù)相加，得到更新參數(shù)后的稠密卷積網(wǎng)絡(luò)，將訓(xùn)練集輸入更新過參數(shù)的稠密卷積網(wǎng)絡(luò)求出融合邊緣的深監(jiān)督損失；

第四步，迭代執(zhí)行第三步，直到求得前后兩次融合邊緣的深監(jiān)督損失相差不超過0.01，得到訓(xùn)練好的稠密卷積網(wǎng)絡(luò)；

步驟7，檢測建筑物：

將測試樣本集輸入到訓(xùn)練好的稠密卷積網(wǎng)絡(luò)中，輸出測試樣本集的檢測結(jié)果。