[发明专利]基于深度学习算法识别建筑物的方法

权利要求书

1.基于深度学习算法识别建筑物的方法，其特征在于，包括以下步骤：

S1、通过无人机航空影像或高分辨率的星载传感器获取的包含建筑物的遥感影像，并进行影像预处理工作，得到处理过后的带坐标系统的卫星影像图；

S2、针对需要进行智能识别的地物，根据其具体特征进行具体归类，并做好表格记录；

S3、根据先前做好的分类，利用ENVI或labelme进行各样本的样本标签数据勾选，建立各类的样本数据库；

S4、利用深度学习算法进行建筑物的提取；

S5、利用混淆矩阵对建筑物提取结果进行精度验证。

2.根据权利要求1所述的基于深度学习算法识别建筑物的方法，其特征在于，在步骤S1中，影像预处理工作包括大气校正、辐射校正、正射校正。

3.根据权利要求1所述的基于深度学习算法识别建筑物的方法，其特征在于，在步骤S4中，深度学习算法在基于U-net网络模型的基础上进行，采用ResNet50,ResNet101作为U-net的主干网络，对原网络的解码部分进行微调，微调包括：

A、引入Tversky系数：

式(1)中，为标签像素的前景概率，为预测像素的前景概率，α为控制参数，通常0S10^-6保证T0；

B、使用空洞卷积定义式：

y(i)＝∑_Kx(i+dK)h(K) (2)

式(2)中，d为空洞率，x、y分别为输入、输出，h波器，K波器大小；

空洞卷积时感受野计算如下：

式(3)中，r为感受野大小，K为波器大小，S为卷积运算时的步长；

在训练过程中采用early stopping和学习率下降训练技巧进行训练。

4.根据权利要求1所述的基于深度学习算法识别建筑物的方法，其特征在于，在步骤S5中，利用混淆矩阵对建筑物提取结果进行精度验证具体为采用混淆矩阵计算均方根(RMSE)和平均绝对误差(MAE),对提取结果进行精度评价以验证结果准确性与可使用性。