[发明专利]基于高分辨率遥感卫星影像的杆塔倒断检测模型训练方法

摘要

本发明实施例公开了一种基于高分辨率遥感卫星影像的杆塔倒断检测模型训练方法，利用卷积神经网络的容错能力、并行处理能力和自学习能力，使得能够自动学习并刻画出图像数据的内在多级特征并逐级抽象，无需手动设计特征，能够达到同时实现特征学习和分类检测的目的，自适应性能好，具有较高的识别率，更加智能化，减少人工的操作。

主权项

1.一种基于高分辨率遥感卫星影像的杆塔倒断检测模型训练方法，其特征在于，包括：S1、获取若干张输入图像；S2、通过选择性搜索法得到每张输入图像的候选区域后，计算每张输入图像上每个候选区域与对应的检测目标之间的重叠度，并将重叠度大于第一预设值的候选区域标记为第一正样本，重叠度小于以预设值的候选区域标记为第一负样本，保存至列表中每类检测目标的区域；S3、采用列表遍历式策略从列表中抽取第一正样本和第一负样本，构成神经网络训练集；S4、通过ILSCRC2012数据集对卷积神经网络进行预训练，并利用神经网络训练集对卷积神经网络进行微调，直至卷积神经网络收敛，得到训练后的卷积神经网络；S5、将每类检测目标对应的输入图像上候选区域与检测目标之间的重叠度大于第二预设值的候选区域标记为第二正样本，重叠度小于第二预设值的候选区域标记为第二负样本，保存至每类检测目标的训练集中；S6、利用训练后的卷积神经网络提取每类检测目标的训练集中第二正样本和第二负样本的特征向量，将第二正样本和第二负样本的特征向量作为每类检测目标的分类器的输入量中，对每类检测目标的分类器进行训练，得到每类检测目标的训练后的分类器。