[发明专利]一种基于多头自注意力机制的高分辨率遥感影像中道路提取方法、系统、设备及介质

权利要求书

1.一种基于多头自注意力机制的高分辨率遥感影像中道路提取方法，其特征在于：包括以下步骤：

步骤1，对从卫星获取的高分辨率遥感影像进行预处理，得到高分辨率遥感影像数据集D^e，将高分辨率遥感影像数据集D^e按比例划分为训练集验证集和测试集

步骤2，设计搭建基于深度学习的高分辨率遥感影像道路提取网络；

步骤3，计算网络损失；构建二元交叉熵损失函数Loss，计算预测结果与真实标签之间的损失；

步骤4，设置网络训练参数；所述训练参数包括隐藏层的单元数、批次大小、学习轮数和学习率；

步骤5，网络训练；利用步骤1得到的训练集对步骤2中搭建的网络进行训练，在每次训练结束时，得到一个对应的权重文件W_i，其中，i表示当前网络训练的轮次；输入步骤1中的验证集用Dice相似系数作为评估标准对权重文件W_i评估，最后保存Dice相似系数值最大的权重文件W_t，其中t＜i；

步骤6，网络测试；将步骤1中得到的测试集输入至步骤2中搭建的网络，利用步骤5得到的权重文件W_t进行道路提取，得到包含道路信息的二值化影像数据集B；

步骤7，结果评估；计算二值化影像数据集B和数据集的平均交并比(mIoU)指标，评价步骤2中搭建的网络性能。

2.根据权利权要1所述的一种基于多头自注意力机制的高分辨率遥感影像中道路提取方法，其特征在于：所述步骤1的实现方法包括：

步骤101：数据集获取；从卫星中获取包含道路信息的高分辨率遥感影像数据集N，使用Labelme软件对高分辨率遥感影像数据集N中包含的道路进行勾画，将勾画后的所有影像作为真实标签数据集S；分别对高分辨率遥感影像数据集N和真实标签数据集S中的每一幅影像进行滑动裁剪，裁剪后的每一幅影像尺寸大小为512×512，得到数据集N^c和S^c；数据集N^c和S^c组成高分辨率遥感影像数据集D＝{N^c,S^c}；

步骤102：数据集增强；对步骤101得到的数据集D中的每一幅影像进行镜像和随机旋转数据增强操作，得到数据增强后的数据集D^e＝{N^e,S^e}，其中，N^e表示数据集N^c增强后的数据集，S^e表示数据集S^c增强后的数据集；

步骤103：数据集划分；将步骤102得到的数据集D^e划分为训练集验证集和测试集

3.根据权利权要1所述的一种基于多头自注意力机制的高分辨率遥感影像中道路提取方法，其特征在于：所述步骤2的实现方法包括：

步骤201：道路边缘信息提取；输入步骤103得到的训练集使用Canny算子对训练集进行边缘检测，得到处理后的数据集

步骤202：计算权重；采用多头自注意力机制计算不同隐藏层输出的权重；

步骤203：构建U-Net网络；网络输入步骤201中处理后的数据集网络输出为提取的道路信息特征。

4.根据权利权要1所述的一种基于多头自注意力机制的高分辨率遥感影像中道路提取方法，其特征在于：所述步骤3的二元交叉熵损失函数Loss计算公式为：

其中，y为真是标签，为预测结果；当y为0的时候，公式的前半部分为0，需要尽可能为0才能使后半部分数值更小；当y为1时，后半部分为0，需要尽可能为1才能使后半部分的值更小，这样就达到了让尽可能靠近y的结果。

5.根据权利权要1所述的一种基于多头自注意力机制的高分辨率遥感影像中道路提取方法，其特征在于：所述步骤4中，设置训练轮次epoch大于等于200，批次大小batch_size大于等于8，学习率小于等于10^-4，设定的损失阈值小于等于0.002。