[发明专利]一种用于边界线提取的神经网络模型训练方法及相关设备

说明书

本申请实施例公开了一种用于边界线提取的神经网络模型训练方法：获取预设数据集及预设堆叠网络模型，所述预设数据集包括多张图像；对第一数据集进行标注，标注内容为所述图像中的边界线部分，所述第一数据集属于所述预设数据集；使用标注后的所述第一数据集对所述预设堆叠网络模型进行训练，得到第一堆叠网络模型。基于本方案可知，本方案提供了一种用于边界线提取的神经网络模型，使用该模型可替代原有的人工手动标注建筑物边界的方式，无需消耗过多的时间与精力，提高了边界线标注过程的便捷性。

技术领域

本申请属于互联网技术领域，尤其涉及一种用于边界线提取的神经网络模型训练方法及相关设备。

背景技术

随着国家经济的发展，我国城市化率不断提高。随之而来的是城市建筑物和空间格局的频繁变化，因此及时掌握城市内建筑和空间格局变化建筑物对城市的布局发展与规划具有重要的战略意义。三维变化检测是城市三维建筑模型更新、违法建筑查找、进行城市规划等应用的核心技术，在数字城市建设中有举足轻重的意义。而三维变化检测首先需要的就是对城市进行三维重建，其中建筑物轮廓提取是三维重建中极为重要的一部分。

目前所采用的建筑物轮廓提取方法为人工手动标注，这一方式需要消耗大量的时间精力，存在一定的不便性与局限性。

发明内容

本申请实施例第一方面提供了一种用于边界线提取的神经网络模型训练方法，包括：

获取预设数据集及预设堆叠网络模型，所述预设数据集包括多张图像；

对第一数据集进行标注，标注内容为所述图像中的边界线部分，所述第一数据集属于所述预设数据集；

使用标注后的所述第一数据集对所述预设堆叠网络模型进行训练，得到第一堆叠网络模型。

基于本申请实施例第一方面提供的边界线提取的神经网络模型训练方法，可选的，包括：

使用第一堆叠模型处理所述预设数据集，得到第一处理结果；

判断所述第一处理结果是否符合预设要求；

若所述第一处理结果不符合所述预设要求，则对第二数据集进行标注，所述第二数据集所包括的图像属于所述预设数据集；

使用标注后的所述第二数据集对所述第一堆叠网络模型进行训练，得到第二堆叠模型。

基于本申请实施例第一方面提供的边界线提取的神经网络模型训练方法，可选的，

所述对第一数据集进行标注，包括：

使用边缘检测算法，确定所述第一数据集中各个图像中所包括的边界线。

基于本申请实施例第一方面提供的边界线提取的神经网络模型训练方法，其特征在于，

所述第二数据集包括第一处理结果。

本申请实施例第二方面提供了一种用于边界线提取的神经网络模型的使用方法，包括：

确定目标图像；

将目标图像输入堆叠网络模型，得到处理结果，所述堆叠网络模型包括第一堆叠网络模型或第二堆叠网络模型。

本申请实施例第三方面提供了一种用于边界线提取的神经网络模型训练设备，包括：

获取单元，所述获取单元用于获取预设数据集及预设堆叠网络模型，所述预设数据集包括多张图像；

标注单元，所述标注单元用于对第一数据集进行标注，标注内容为所述图像中的边界线部分，所述第一数据集属于所述预设数据集；

训练单元，所述训练单元用于使用标注后的所述第一数据集对所述预设堆叠网络模型进行训练，得到第一堆叠网络模型。