[發(fā)明專利]一種用于城市遙感場(chǎng)景識(shí)別的LW-CNN方法和系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 202011248497.0
• 申請(qǐng)日: 2020-11-10
• 公開（公告）號(hào): CN112070070B
• 公開（公告）日: 2021-02-09
• 發(fā)明（設(shè)計(jì)）人: 夏景明;丁悅;談玲
• 申請(qǐng)（專利權(quán)）人: 南京信息工程大學(xué)
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/62;G06N3/04
• 代理公司: 南京鐘山專利代理有限公司 32252
• 代理人: 陳月菊

1.一種用于城市遙感場(chǎng)景識(shí)別的LW-CNN方法，其特征在于，所述方法包括以下步驟：

S1，構(gòu)建LW-CNN場(chǎng)景識(shí)別網(wǎng)絡(luò)，所述LW-CNN場(chǎng)景識(shí)別網(wǎng)絡(luò)包括多通道模塊、自適應(yīng)池化層、深層特征提取模塊、深層特征和淺層特征融合模塊、全局平均池化層和softmax層；

S2，輸入原始城市遙感圖像至LW-CNN場(chǎng)景識(shí)別網(wǎng)絡(luò)，采用多通道模塊對(duì)城市遙感圖像進(jìn)行多視野特征提取；

S2，采用自適應(yīng)池化層，根據(jù)提取得到的多視野特征圖尺寸，自動(dòng)調(diào)整其中部分通道的卷積核和卷積步長(zhǎng)，以統(tǒng)一輸出固定尺寸的特征圖；

S3，基于深層特征提取模塊，采用深度可分離卷積方式，對(duì)步驟S2中調(diào)整尺寸后的多視野特征圖進(jìn)行深層特征提取；

S4，構(gòu)建深層特征和淺層特征融合模塊，采用跳躍連接方式對(duì)深層特征提取塊輸出的多層特征進(jìn)行融合；

S5，對(duì)步驟S4中融合得到的特征進(jìn)行全局平均池化處理，以提取遙感圖像全局特征；

S6，根據(jù)損失函數(shù)對(duì)LW-CNN場(chǎng)景識(shí)別網(wǎng)絡(luò)進(jìn)行優(yōu)化；

步驟S5中，所述構(gòu)建深層特征和淺層特征融合模塊，采用跳躍連接方式對(duì)深層特征提取塊輸出的多層特征進(jìn)行融合的過(guò)程包括以下步驟：

S51，在深層特征提取模塊中，當(dāng)輸出特征圖大小分別為56和28兩層時(shí)，分別將特征圖提取出來(lái)并加入自適應(yīng)池化層，以強(qiáng)化最終提取的特征圖的邊緣信息及顯著特征；其中，輸出特征圖大小分別為56和28兩層時(shí)提取的特征特性對(duì)比如下：當(dāng)輸出特征圖為56時(shí)，城市遙感場(chǎng)景的淺層特征分辨率高且包含較多城市建筑的淺層邊緣特征；當(dāng)特征圖大小為28時(shí)，城市遙感場(chǎng)景的淺層特征分辨率低且具有更強(qiáng)的語(yǔ)義信息；

S52，通過(guò)自適應(yīng)池化層自動(dòng)調(diào)整前述兩個(gè)輸出特征圖尺寸與最后一個(gè)特征提取卷積層輸出的特征圖尺寸一致；

S53，將前兩個(gè)調(diào)整尺寸后的輸出特征圖與最后一個(gè)特征提取卷積層輸出的特征圖通過(guò)concatenate融合。

2.根據(jù)權(quán)利要求1所述的用于城市遙感場(chǎng)景識(shí)別的LW-CNN方法，其特征在于，步驟S2中，所述輸入原始城市遙感圖像，采用多通道模塊對(duì)城市遙感圖像進(jìn)行多視野特征提取的過(guò)程包括以下步驟：

S21，將原始城市遙感圖像輸入LW-CNN場(chǎng)景識(shí)別網(wǎng)絡(luò)的多通道模塊，經(jīng)過(guò)三個(gè)分支對(duì)原始城市遙感圖像進(jìn)行多視野特征提取；

S22，采用自適應(yīng)池化層，根據(jù)提取得到的多視野特征圖尺寸，自動(dòng)調(diào)整第二通道和第三通道的卷積核和步長(zhǎng)，使第二通道和第三通道輸出的特征圖調(diào)整至與第一通道輸出的特征圖尺寸一致；

S23，將三個(gè)分支所提取的特征進(jìn)行堆疊，加入BN層。

3.根據(jù)權(quán)利要求1所述的用于城市遙感場(chǎng)景識(shí)別的LW-CNN方法，其特征在于，步驟S22中，設(shè)第一通道卷積核為3×3，第二通道卷積核為5×5，第三通道卷積核為7×7；通過(guò)1×1卷積核和步長(zhǎng)來(lái)調(diào)整第二通道和第三通道輸出的特征尺寸，使第二通道和第三通道輸出的特征圖調(diào)整至與第一通道輸出的特征圖尺寸相同。

4.根據(jù)權(quán)利要求1所述的用于城市遙感場(chǎng)景識(shí)別的LW-CNN方法，其特征在于，步驟S3中，所述采用自適應(yīng)池化層，根據(jù)提取得到的多視野特征圖尺寸，自動(dòng)調(diào)整其中部分通道的卷積核和卷積步長(zhǎng)，以統(tǒng)一輸出固定尺寸的特征圖的過(guò)程包括以下步驟：

S31，將多通道提取特征輸入自適應(yīng)池化層，設(shè)定固定輸出特征圖尺寸；

S32，根據(jù)固定的特征圖尺寸，自適應(yīng)池化層自動(dòng)調(diào)整卷積核以及卷積步長(zhǎng)，輸出固定尺寸的特征圖。

5.根據(jù)權(quán)利要求1所述的用于城市遙感場(chǎng)景識(shí)別的LW-CNN方法，其特征在于，步驟S4中，所述深層特征提取模塊采用交替連接的DW卷積層和PW卷積層，共計(jì)包括24層特征提取卷積層，每個(gè)特征提取卷積層的卷積核個(gè)數(shù)隨著網(wǎng)絡(luò)層數(shù)的加深增多；其中，每個(gè)特征提取卷積層后加入BN層，使用卷積步長(zhǎng)以縮小特征圖。

6.根據(jù)權(quán)利要求1所述的用于城市遙感場(chǎng)景識(shí)別的LW-CNN方法，其特征在于，步驟S7中，所述損失函數(shù)LOSS為：

式中，i表示樣本序號(hào)，n表示樣本數(shù)量，m表示分類數(shù)，表示預(yù)測(cè)值，y_im表示真實(shí)值，LOSS表示真實(shí)值與預(yù)測(cè)值之間的差異，值越小表示預(yù)測(cè)結(jié)果越好。