[发明专利]基于U型注意力控制网络的高分辨率遥感影像建筑物提取方法及装置

权利要求书

1.一种基于U型注意力控制网络的高分辨率遥感影像建筑物提取方法，其特征在于，包括：

输入遥感影像至编码器；所述编码器利用全局上下文信息以及局部上下文信息提取不同网格维度层级的特征并生成编码器特征图；所述编码器包括级联的四个卷积块，分别为第一卷积块、第二卷积块、第三卷积块、第四卷积块；

所述编码器连接至转换器；所述编码器将提取生成的编码器特征图输出至所述转换器；所述转换器包括第五卷积块、四个跳跃连接中的注意力阀门；

所述转换器连接至解码器；在所述编码器和解码器的卷积块之间的跳跃连接中串入注意力阀门；所述转换器提取抽象特征图并将其输出至所述解码器；

所述解码器包括级联的四个卷积块，分别为第六卷积块、第七卷积块、第八卷积块、第九卷积块；其中，第一卷积块跳跃连接至第九卷积块，第二卷积块跳跃连接至第八卷积块，第三卷积块跳跃连接至第七卷积块，第四卷积块跳跃连接至第六卷积块；

所述解码器连接至分割单元；所述解码器对所述转换器输入的抽象特征图进行逐级的上采样处理，生成与输入图像大小相同的解码器特征图，并输出至所述分割单元；所述分割单元调整输入的所述解码器特征图的通道数，获取遥感影像中的建筑物分割结果。

2.根据权利要求1所述的基于U型注意力控制网络的高分辨率遥感影像建筑物提取方法，其特征在于，

所述编码器中的各个卷积块皆包括卷积层、最大池化层、标准化层、激活函数单元；其中，所述编码器的卷积块中的最大池化层通过提取原特征图中局部区域的最大值构建生成新的特征图，并通过减少参数数量来防止过拟合；

所述第五卷积块包括卷积层、最大池化层、标准化层；所述第五卷积块将所述编码器输入的编码器特征图抽象至最高级别，叠加特征图的通道数并缩小特征图的尺寸，从而提取得到最高维度的抽象特征图。

3.根据权利要求1所述的基于U型注意力控制网络的高分辨率遥感影像建筑物提取方法，其特征在于，

其中，所述解码器对所述转换器输入的抽象特征图进行逐级的上采样处理，具体包括：第六卷积块对第五卷积块输入的抽象特征图进行上采样处理并输出至第七卷积块；第七卷积块对第六卷积块输入的抽象特征图进行上采样处理并输出至第八卷积块；第八卷积块对第七卷积块输入的抽象特征图进行上采样处理并输出至第九卷积块；

其中，所述分割单元包括第十卷积块；第十卷积块包括卷积层、激活函数单元；第十卷积块的卷积层执行1×1卷积处理，第十卷积块的激活函数单元为Sigmoid函数；所述解码器特征图通过第十卷积块的1×1卷积处理调整模型通道数为类别数，通过Sigmoid函数获得遥感影像中的建筑物分割结果。

4.根据权利要求1所述的基于U型注意力控制网络的高分辨率遥感影像建筑物提取方法，其特征在于，

其中，所述注意力阀门包括注意力层、阀门控制层、第一激活函数单元、线性变换单元、第二激活函数单元、重采样器；

在阀门控制层中，输入阀门控制信号至注意力阀门，所述阀门控制信号包括控制向量；其中，所述阀门控制信号来自当前卷积块的前一级卷积块；

将控制向量与控制系数相乘得到第一乘积；

在注意力层中，输入特征图至注意力阀门；其中，输入注意力阀门的特征图来自与当前卷积块跳跃连接的卷积块；

输入注意力阀门的特征图的像素向量与注意力系数相乘得到第二乘积；

将第一乘积、第二乘积相加并经过偏置处理后利用第一激活函数单元进行激活得到第一激活结果；第一激活结果经过线性变换单元调整通道数并作偏置处理后再利用第二激活函数单元进行激活得到第二激活结果，将第二激活结果输入至重采样器中进行调整得到注意力系数α；将注意力层输入的特征图与注意力系数α相乘，输出与注意力层输入的特征图具有相同尺寸的相乘结果。