[發明專利]基于深度學習算法識別建筑物的方法

在審

• 申請號: 202110061615.5
• 申請日: 2021-01-18
• 公開（公告）號: CN112800895A
• 公開（公告）日: 2021-05-14
• 發明（設計）人: 韓吉軍;王壘;趙一琪;趙恒
• 申請（專利權）人: 內蒙古電力(集團)有限責任公司烏蘭察布電業局
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京天奇智新知識產權代理有限公司 11340
• 代理人: 葉明博

1.基于深度學習算法識別建筑物的方法，其特征在于，包括以下步驟：

S1、通過無人機航空影像或高分辨率的星載傳感器獲取的包含建筑物的遙感影像，并進行影像預處理工作，得到處理過后的帶坐標系統的衛星影像圖；

S2、針對需要進行智能識別的地物，根據其具體特征進行具體歸類，并做好表格記錄；

S3、根據先前做好的分類，利用ENVI或labelme進行各樣本的樣本標簽數據勾選，建立各類的樣本數據庫；

S4、利用深度學習算法進行建筑物的提取；

S5、利用混淆矩陣對建筑物提取結果進行精度驗證。

2.根據權利要求1所述的基于深度學習算法識別建筑物的方法，其特征在于，在步驟S1中，影像預處理工作包括大氣校正、輻射校正、正射校正。

3.根據權利要求1所述的基于深度學習算法識別建筑物的方法，其特征在于，在步驟S4中，深度學習算法在基于U-net網絡模型的基礎上進行，采用ResNet50,ResNet101作為U-net的主干網絡，對原網絡的解碼部分進行微調，微調包括：

A、引入Tversky系數：

式(1)中，為標簽像素的前景概率，為預測像素的前景概率，α為控制參數，通常0S10^-6保證T0；

B、使用空洞卷積定義式：

y(i)＝∑_Kx(i+dK)h(K) (2)

式(2)中，d為空洞率，x、y分別為輸入、輸出，h波器，K波器大小；

空洞卷積時感受野計算如下：

式(3)中，r為感受野大小，K為波器大小，S為卷積運算時的步長；

在訓練過程中采用early stopping和學習率下降訓練技巧進行訓練。

4.根據權利要求1所述的基于深度學習算法識別建筑物的方法，其特征在于，在步驟S5中，利用混淆矩陣對建筑物提取結果進行精度驗證具體為采用混淆矩陣計算均方根(RMSE)和平均絕對誤差(MAE),對提取結果進行精度評價以驗證結果準確性與可使用性。