[發(fā)明專利]一種基于無人機影像的宅基地房屋識別方法

在審

• 申請?zhí)枺?/td>: 202010440180.0
• 申請日: 2020-05-22
• 公開（公告）號: CN111832387A
• 公開（公告）日: 2020-10-27
• 發(fā)明（設(shè)計）人: 黃先梅;王文哲;郎彥
• 申請（專利權(quán)）人: 北京星衡科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于無人機影像的宅基地房屋識別方法，其特征在于，該識別方法包括如下幾個步驟：

步驟1)樣本標注：查看影像中的房屋特征，選區(qū)進行房屋樣本標注；步驟2)數(shù)據(jù)集處理：按照一定的比例，將標注數(shù)據(jù)隨機分為訓(xùn)練集、驗證集以及測試集；

步驟3)訓(xùn)練集處理：將標注樣本和對應(yīng)的底圖按照一定的圖幅大小進行裁剪；

步驟4)模型框架構(gòu)建：基于深度學(xué)習(xí)算法，搭建分類模型；

步驟5)預(yù)訓(xùn)練模型構(gòu)建：基于該模型分批次提取訓(xùn)練集特征，并對特征進行映射，按照優(yōu)化策略最小化損失函數(shù)，不斷迭代更新模型權(quán)重；

步驟6)精度評價：將訓(xùn)練完成的模型用于測試數(shù)據(jù)集，使用IOU作為評價標準；

步驟7)模型遷移：將分類模型泛化至其他影像/區(qū)域。

2.根據(jù)權(quán)利要求1所述的一種基于無人機影像的宅基地房屋識別方法，其特征在于，所述步驟3)訓(xùn)練集處理具體方法為，根據(jù)房屋分布情況，將標注矢量數(shù)據(jù)和柵格底圖按照256*256的圖幅大小進行裁切。

3.根據(jù)權(quán)利要求1所述的一種基于無人機影像的宅基地房屋識別方法，其特征在于，所述步驟4)模型框架構(gòu)建的具體方法為，搭建一個主體結(jié)構(gòu)以Unet++為backbone的Deeplabv3+分類模型，在特認證學(xué)習(xí)過程中，不同層次的特征對于大小不一的目標對象的敏感度是不同的，相比傳統(tǒng)的Unet網(wǎng)絡(luò)，Unet++網(wǎng)絡(luò)可以抓取不同層次的特征，將它們通過特征疊加的方式整合，相對于原本作為Deeplabv3+模型backbone的Inception分類器，Unet++分割效果更好，目標對象的邊緣信息以及紋理特征提取更為完整。

4.根據(jù)權(quán)利要求1所述的一種基于無人機影像的宅基地房屋識別方法，其特征在于，所述步驟5)預(yù)訓(xùn)練模型構(gòu)建，其具體方法為，綜合Unet++的skip connection特征融合保存細節(jié)信息與Deeplabv3+的aspp保存全局信息，基于步驟4)中構(gòu)建的deeplabv3+框架分批次進行提取訓(xùn)練集特征，并對特征進行映射，按照優(yōu)化策略最小化損失函數(shù)，斷迭代更新模型權(quán)重，最終得到訓(xùn)練分類模型。

5.根據(jù)權(quán)利要求1所述的一種基于無人機影像的宅基地房屋識別方法，其特征在于，所述步驟6)精度評價，其具體方法為，在訓(xùn)練模型中引入測試底圖，并將分類結(jié)果與標注樣本進行對比，采用IOU評價標準進行模型精度評價。

6.根據(jù)權(quán)利要求1所述的一種基于無人機影像的宅基地房屋識別方法，其特征在于，所述步驟7)模型遷移，其具體方法為將該模型泛化至其他影像/區(qū)域的房屋識別中，以驗證其應(yīng)用性。