[发明专利]基于改进的Deeplabv3+的航拍图像电磁介质语义识别方法及装置

权利要求书

1.基于改进的Deeplabv3+的航拍图像电磁介质语义识别方法，其特征在于：所述方法，包括：

利用无人机拍摄待处理区域的光学图像；

利用预先训练的、基于转置卷积上采样的deeplabv3+神经网络对光学图像进行电磁介质语义识别。

2.根据权利要求1所述的基于改进的Deeplabv3+的航拍图像电磁介质语义识别方法，其特征在于：获得预先训练的deeplabv3+神经网络的过程，包括；

对测区的航空拍摄的光学图像进行预处理与标注，得到训练集；

利用训练集训练预先构建的deeplabv3+神经网络，得到训练后的神经网络模型，其中，所述神经网络模型，包括：依次数据连接的编码模块以及解码模块，其中，所述解码模块包括转置卷积单元。

3.根据权利要求2所述的基于改进的Deeplabv3+的航拍图像电磁介质语义识别方法，其特征在于：所述编码模块，包括：依次串联的Xception65单元、编码卷积单元以及输出单元，其中，

Xception65单元，包括：前卷积单元、中间卷积单元以及输出卷积单元；

其中前卷积单元包括多个依次串联的卷积层，以及，第一旁路卷积层、第二旁路卷积层以及第三旁路卷积层，且，第一旁路卷积层接收第二卷积层卷积结果，并将卷积结果与第四卷积层的输出求和后分别作为第五卷积层以及第二旁路卷积层的输入，第二旁路卷积层接收第一旁路卷积层的卷积结果，并将自身卷积结果与第六卷积层的输出求和后分别作为第七卷积层以及第三旁路卷积层的输入；

所述中间卷积单元包括依次串联的多个卷积层；中间卷积单元的输出为前卷积单元的输出与中间卷积单元中最后一个卷积层的输出之和；

所述输出卷积单元包括：依次串联的多个卷积层以及第四旁路卷积层；

所述编码卷积单元，包括：并联多个卷积层，以及图像池化层；

输出单元将编码卷积单元的输出数据通道数合并后使用卷积核为1*1的卷积层进行输出处理。

4.根据权利要求3所述的基于改进的Deeplabv3+的航拍图像电磁介质语义识别方法，其特征在于：前卷积单元包括依次串联的通道数为32、卷积核尺寸为3*3，卷积步长为2的第一卷积层；通道数为64、卷积核尺寸为3*3，卷积步长为1的第二卷积层；通道数为128、卷积核尺寸为3*3，卷积步长为1的两个第三卷积层；通道数为128、卷积核尺寸为3*3，卷积步长为2的第四卷积层；通道数为256、卷积核尺寸为3*3，卷积步长为1的两个第五卷积层；通道数为256、卷积核尺寸为3*3，卷积步长为2的第六卷积层；通道数为728、卷积核尺寸为3*3，卷积步长为1的两个第七卷积层；通道数为728、卷积核尺寸为3*3，卷积步长为2的第八卷积层；其中第一旁路卷积层的通道数为128，卷积核尺寸1*1，卷积步长为2；第二旁路卷积层的通道数256，卷积核尺寸1*1，卷积步长为2；第三旁路卷积层的通道数728，卷积核尺寸1*1，卷积步长为2；

所述中间卷积单元包括：依次串联的16个第九卷积层，且第九卷积层的通道数为728，卷积核为3*3，卷积步长为1；

所述输出卷积单元包括：依次串联的通道数为728、卷积核尺寸为3*3，卷积步长为1的第十卷积层；通道数为1024、卷积核尺寸为3*3，卷积步长为1的第十一卷积层；通道数为1024、卷积核尺寸为3*3，卷积步长为2的第十二卷积层；通道数为1536、卷积核尺寸为3*3，卷积步长为1的两个第十三卷积层；通道数为2048、卷积核尺寸为3*3，卷积步长为1的第十四卷积层；以及，第四旁路卷积层，其通道数为1024、卷积核尺寸为1*1，卷积步长为2；

编码卷积单元，包括：并联的卷积核尺寸为1*1的第十四卷积层；卷积核尺寸为3*3，步长为6的第十五卷积层；卷积核尺寸为3*3，步长为12的第十六卷积层；卷积核尺寸为3*3，步长为18的第十七卷积层；以及图像池化层。