[发明专利]用于自动检测建筑物覆盖区的系统和方法

权利要求书

1.一种计算机实现的方法，包括：

收集将图像的训练集合内的多边形标记为建筑结构的标签集合；

通过扭曲所述图像的训练集合内的多个多边形的边界来创建具有预定噪声程度的有噪声标签集合；

通过应用相互教导方法从所述有噪声标签集合中学习来同时训练两个神经网络；

基于两个经训练的神经网络提取训练数据的优先列表；

用所述训练数据的优先列表训练机器学习模型；和

使用经训练的机器学习模型识别目标图像中的至少一个建筑物覆盖区。

2.根据权利要求1所述的方法，其中，收集所述标签集合包括：

识别所述图像的训练集合；和

收集所述图像的训练集合中的图像的众包标签。

3.根据权利要求1所述的方法，其中，所述预定噪声程度包括以下至少一项：

基于地理区域的众包标签的计算的噪声程度；或者

手动调节的噪声程度。

4.根据权利要求1所述的方法，其中，扭曲多边形的边界包括以下至少一项：

调整所述多边形的比例；

旋转所述多边形；

移动所述多边形的位置；或者

倾斜所述多边形的边界。

5.根据权利要求1所述的方法，其中，创建所述有噪声标签集合包括以下至少一项：

将所述标签集合应用于扭曲的多边形；

从所述图像的训练集合中移除一部分多边形；或者

调整所述图像的训练集合内的多边形的类型的分布。

6.根据权利要求1所述的方法，其中，训练所述两个神经网络包括：

根据所述图像的训练集合的嵌入训练所述两个神经网络；

使用由第二神经网络选择的训练数据更新第一神经网络；和

使用由所述第一神经网络选择的训练数据更新所述第二神经网络。

7.根据权利要求1所述的方法，其中，提取所述训练数据的优先列表包括：

评估所述图像的训练集合的标签的精度；和

用精度较高的标签交换精度低的标签。

8.根据权利要求1所述的方法，其中，提取所述训练数据的优先列表包括：

基于所述相互教导方法的损失函数对训练数据进行排名；和

基于所述排名将训练数据添加到所述训练数据的优先列表。

9.根据权利要求1所述的方法，还包括：

评估所述两个经训练的神经网络的预测精度；和

修改所述两个神经网络以提高所述预测精度。

10.根据权利要求9所述的方法，其中，评估所述两个经训练的神经网络的预测精度包括计算以下至少一项：

为图像像素计算的交并比度量；

精确分数；

召回分数；或者

F分数。

11.一种系统，包括：

存储在存储器中的收集模块，所述收集模块收集将图像的训练集合内的多边形标记为建筑结构的标签集合；

存储在存储器中的创建模块，所述创建模块通过扭曲所述图像的训练集合内的多个多边形的边界来创建具有预定噪声程度的有噪声标签集合；

存储在存储器中的相互教导模块，所述相互教导模块通过应用相互教导方法从所述有噪声标签集合中学习来同时训练两个神经网络；

存储在存储器中的提取模块，所述提取模块基于两个经训练的神经网络提取训练数据的优先列表；

存储在存储器中的训练模块，所述训练模块用所述训练数据的优先列表训练机器学习模型；

存储在存储器中的识别模块，所述识别模块使用经训练的机器学习模型识别目标图像中的至少一个建筑物覆盖区；和

至少一个处理器，所述至少一个处理器执行所述收集模块、所述创建模块、所述相互教导模块、所述提取模块、所述训练模块和所述识别模块。