[发明专利]一种对农村违法占地建筑物进行检测的方法有效
申请号: | 202110518952.2 | 申请日: | 2021-05-12 |
公开(公告)号: | CN113378642B | 公开(公告)日: | 2022-05-06 |
发明(设计)人: | 任东;彭宝钗;郑成 | 申请(专利权)人: | 三峡大学 |
主分类号: | G06V20/00 | 分类号: | G06V20/00;G06V10/28;G06V10/30;G06V10/46;G06V10/764;G06V10/774;G06V10/82;G06K9/62;G06N3/04;G06N3/08 |
代理公司: | 宜昌市三峡专利事务所 42103 | 代理人: | 余山 |
地址: | 443002 *** | 国省代码: | 湖北;42 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 农村 违法 占地 建筑物 进行 检测 方法 | ||
1.一种对农村违法占地建筑物进行检测的方法,其特征在于,包括以下步骤:
步骤1:采集遥感影像,对图像进行裁剪操作,对图像进行标记;
步骤2:输入深度特征交融和多重关系强化机制识别模型,识别建筑物与在建建筑物;
步骤3:将结果矢量化,位置配准,得到建筑、在建建筑物中心点经纬度坐标文件;
步骤4:采用土地利用现状图可初步判断该建筑是否违规建筑,外业勘察核实结果;
在步骤2中,通过深度特征交融和多重关系强化机制识别模型,识别建筑物与在建建筑物时,步骤2具体采用以下子步骤:
2-1:对目标图像进行离线数据增强;
2-2:对在建建筑物进行样本增强,得到最终的训练数据集;
2-3:构建深度特征交融和多重关系强化机制识别模型,将训练集的数据传入深度特征交融和多重关系强化机制识别模型进行模型训练,生成训练模型;
2-4:根据训练模型对遥感图像进行目标检测,得到检测框的标注;
在步骤2-3中,深度特征交融和多重关系强化机制识别模型构建包括以下子步骤:
2-3-1:将待检测图像输入所述识别模型的 特征提取网络,通过自底向上的方式由浅至深提取特征;
2-3-2:通过深度特征交融模块对不同层特征进行合并;
2-3-3:通过多重关系强化机制减少噪声信息对网络模型的干扰;
2-3-4:利用(x,y,w,h)对检测框进行回归;
在步骤2-3-2中,深度特征交融模块具体为:
将低级特征图与高级特征图进行深度特征交融,得到丰富的语义信息,并且为了保证对象的锚采样,预先将特征交融模块的输出特征图F3的大小设置为原图下采样后的n倍;
待检测图像经过主干网络后,得到不同尺寸大小的特征图C*;将其分为C*={C1,C2,C3,C4,C5},特征图C1大小为原图大小的1/2,特征图C2大小为原图大小的1/4,特征图C3大小为原图大小的1/8,特征图C4大小为原图大小的1/16,特征图C5大小为原图大小的1/32;
取主干网络中的特征图C3、特征图C4、特征图C5,建立深度特征交融模块,建立方法如下:将特征图C3经过上采样后使得特征图C3的大小调整为与特征图F3的大小一致,通过Inception Module模块使上采样后的特征图C3的通道大小调整至与特征图C4的通道大小一致,将特征图C4、特征图C5经过上采样使得特征图C4、特征图C5的大小与经过上采用后特征图C3的大小相同,将特征图C5的通道大小调整为与特征图C4的通道大小一致;将特征图C3、特征图C4、特征图C5经过上述调整修改后得到的三个特征图对应通道元素相加得到特征图F3;
在步骤2-3-3中,通过多重关系强化机制降低噪声干扰,突出前景信息,多重关系强化机制包括通道强化模型以及像素强化模块,具体如下:
通道强化模型具体为:使用全局平均池化GAP输出若干个特征通道的数值分布,然后通过一个FC层将特征的维度降低,经过relu函数激活后再通过一个FC将维度变回原来的维度,通过sigmoid函数获得[0,1]之间归一化的权重,将权重与特征图F3相乘,得到新的特征图CA3;
像素强化模块具体为:将新的到的特征图CA3输入到Inception模块,使用不同大小的卷积核进行不用尺度的特征提取,经过卷积操作得到双通道的显著性映射,对目标区域进行二值化处理,得到含有目标区域的二值化图,将二值图输入进行softmax打分,将数值控制再[0,1]之间,之后与CA3相乘,得到最终经过多重关系强化机制强化后的特征图A3;
在步骤2-3-4中,采用(x,y,w,h)来表示目标回归,具体包括:
对于每个样本,边界框的回归为:
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于三峡大学,未经三峡大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110518952.2/1.html,转载请声明来源钻瓜专利网。