[发明专利]一种基于注意力网络的遥感影像建筑物特征提取方法

说明书

本发明公开了一种基于注意力网络的遥感影像建筑物特征提取方法，该方法包括：获取具有地物要素的遥感影像建筑物图片，并进行预处理，得到预处理后的图片；将预处理后的图片输入至注意力网络中，常规流包括5个卷积块，每个卷积块结构相同，经过常规流后的特征图为二值语义图F_s，形状流的输入为常规流5个卷积块的输出特征图；将常规流和形状流分别得到的二值图F_s和F_e经过通道连接后输入到融合模块，经过卷积下采样遇上采样操作后，最终输出为大小为HW的目标二值语义图，该部分输出由常规流中使用的语义标签进行损失监督，从而得到边缘清晰的二值语义图。本发明改进传统的注意力机制，使得可以采用更小的网络结构提高遥感影像建筑物提取的效果。

技术领域

本发明涉及一种特征提取技术领域，具体涉及一种基于注意力网络的遥感影像建筑物特征提取方法。

背景技术

目前的遥感影像建筑物提取方法存在自注意力机制中参数过多和GPU内存占用高的问题。

发明内容

发明目的：为了克服现有技术的不足，本发明提供一种基于注意力网络的遥感影像建筑物特征提取方法，该方法解决了上述的技术问题。

技术方案：本发明提供基于注意力网络的遥感影像建筑物特征提取方法，该方法包括：

首先，获取具有地物要素的遥感影像建筑物图片，并进行预处理，得到预处理后的图片；

其次，将大小为C×H×W的预处理后的图片输入至注意力网络中，所述注意力网络包括常规流、形状流和融合模块，所述常规流包括5个卷积块，每个卷积块结构相同，经过常规流后的特征图为二值语义图F_s，所述形状流的输入为常规流5个卷积块的输出特征图，大小分别为CHW*1/2ⁱ，将其上采样CHW大小后输入到4个串联的门控卷积层GCL后得到大小为1HW的二值边缘图F_e，0≤i≤4；

最后，将常规流和形状流分别得到的二值图F_s和F_e经过通道连接后输入到融合模块，经过卷积下采样遇上采样操作后，最终输出为大小为HW的目标二值语义图，该部分输出由常规流中使用的语义标签进行损失监督，从而得到边缘清晰的二值语义图。

进一步的，包括：

每个卷积块包括编码器、注意力部分和解码器，所述常规流对图像的处理方法包括以下步骤：

(1)将预处理后的图片输入到编码器中，编码器包括5个编码层，除了第一个编码层，其余四个编码层都会将特征图的尺寸缩小二分之一，当输入特征图大小为CHW时，先经过第一个编码层依旧为C₁HW，经过第二个编码层后尺寸为C₂ H/2W/2，经过第三个编码层后尺寸为C₃ H/2²W/2²，经过第四个编码层后尺寸为C₄ H/2³W/2³，经过第五个编码层后尺寸为C₅ H/2⁴W/2⁴，经过五个编码层后，尺寸变为原来的1/16，得到编码后的特征图F_e；

(2)所述注意力部分包括通道注意力模块、位置注意力模块、叠加模块，首先将特征图F_e经过一个1×1卷积，将通道维度数量从C₅降为C’，空间维度尺寸不变得到C’H/2⁴W/2⁴的特征图F_i，输入到通道注意力模块中，得到与F_i同样大小的特征图F_o1，所述通道注意力模块用于使用特征通道挤压和激励处理输入的特征图；