[发明专利]基于虚拟知识迁移的建筑物及其遮挡区域单体化提取方法有效
| 申请号: | 202110707259.X | 申请日: | 2021-06-24 |
| 公开(公告)号: | CN113487738B | 公开(公告)日: | 2022-07-05 |
| 发明(设计)人: | 闫奕名;杨柳青;宿南;冯收;赵春晖 | 申请(专利权)人: | 哈尔滨工程大学 |
| 主分类号: | G06T17/10 | 分类号: | G06T17/10;G06V10/25;G06V10/774;G06K9/62 |
| 代理公司: | 哈尔滨市松花江专利商标事务所 23109 | 代理人: | 刘强 |
| 地址: | 150001 黑龙江*** | 国省代码: | 黑龙江;23 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 基于 虚拟 知识 迁移 建筑物 及其 遮挡 区域 单体 提取 方法 | ||
1.基于虚拟知识迁移的建筑物及其遮挡区域单体化提取方法,其特征在于包括以下步骤:
步骤一:获取待识别场景的仿真场景V_Sim及仿真场景V_Sim的标签V_Label,然后利用仿真场景V_Sim和仿真场景V_Sim的标签V_Label得到仿真图像SImage及仿真图像SImage对应的真值SLabel,最后利用仿真图像SImage和仿真图像SImage对应的真值SLabel形成虚拟知识Ksim;
步骤二:根据虚拟知识Ksim获得建筑物整体和立面的检测框区域Boxes以及仿真图像SImage中每个实例的注意力图rk,并生成整幅图像的基底Bases,所述整幅图像的基底Bases中包含每个实例的基底sk,所述步骤二中生成整幅图像的基底Bases通过BlendMask网络实现;
步骤三:将每个实例基底sk与每个实例的注意力图rk进行合并,得到掩模预测md,然后判断建筑物整体和立面的检测框区域Boxes中是否存在遮挡区域,若不存在遮挡区域,则将掩模预测md作为透视实例分割结果,若存在遮挡区域,则预测该遮挡区域的遮挡掩膜mocc,然后将掩模预测md和遮挡掩模mocc进行综合掩模,将综合掩模的结果作为透视实例分割结果;
步骤四:根据上述步骤得到预训练模型pre_model,利用预训练模型pre_model并加入部分真实遥感图像训练样本进行迁移学习,得到透视实例分割模型final_model,然后利用透视实例分割模型final_model完成建筑物及其遮挡区域单体化提取。
2.根据权利要求1所述的基于虚拟知识迁移的建筑物及其遮挡区域单体化提取方法,其特征在于所述仿真场景V_Sim通过对待识别场景的地形,地物以及纹理信息进行映射得到。
3.根据权利要求1所述的基于虚拟知识迁移的建筑物及其遮挡区域单体化提取方法,其特征在于所述仿真图像SImage和对应的真值SLabel通过对仿真场景V_Sim及其标签V_Label进行相同的投影模型P处理得到。
4.根据权利要求1所述的基于虚拟知识迁移的建筑物及其遮挡区域单体化提取方法,其特征在于所述步骤二中建筑物整体和立面的检测框区域Boxes以及图像中每个实例的注意力图rk通过基于FCOS的目标检测器得到。
5.根据权利要求1所述的基于虚拟知识迁移的建筑物及其遮挡区域单体化提取方法,其特征在于所述步骤三中对每个实例基底sk与注意力图rk进行合并通过基于BlendMask的混合掩模策略实现。
6.根据权利要求1所述的基于虚拟知识迁移的建筑物及其遮挡区域单体化提取方法,其特征在于所述步骤三中判断建筑物整体和立面的检测框区域Boxes否存在遮挡区域通过遮挡判别网络进行。
7.根据权利要求1所述的基于虚拟知识迁移的建筑物及其遮挡区域单体化提取方法,其特征在于所述步骤三中预测该遮挡区域的遮挡掩膜mocc通过遮挡判别网络进行。
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哈尔滨工程大学,未经哈尔滨工程大学许可,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/202110707259.X/1.html,转载请声明来源钻瓜专利网。





