[发明专利]基于深度学习图像分类的道路阻断信息提取方法

摘要

本发明公开基于深度学习图像分类的道路阻断信息提取，利用灾害典型案例影像构建道路阻断图像分类样本库，进行卷积神经网络的训练，得到初始卷积神经网络模型CNNmodel0；获取研究区x灾后影像I(x)和道路矢量R(x)后，对道路阻断进行检测，得到待检测样本Dn(x)；利用训练好的网络CNNmodel0，对待检测样本Dn(x)进行沿道路矢量方向的垂直法线方向增加检测点的多点道路阻断检测：选择少量道路段生成新的训练样本数据S1，对已有网络进行网络微调；重复道路阻断分类检测工作，直到检测结果达到精度要求。改进后的卷积神经网络模型的各项精度评价指标都要优于原始模型，更加适用于灾区道路阻断图像分类和检测的具体问题。

主权项

1.基于深度学习图像分类的道路阻断信息提取，其特征在于，包括如下步骤：(1)利用灾害典型案例影像构建道路阻断图像分类样本库，以提供训练样本S₀；(2)进行卷积神经网络的训练，得到初始卷积神经网络模型CNNmodel0；(3)在获取研究区x的灾后影像I(x)和道路矢量R(x)之后，对道路阻断情况进行检测，得到待检测样本D_n(x)；(4)利用训练好的网络CNNmodel0，对待检测样本D_n(x)进行沿道路矢量方向的垂直法线方向增加检测点的多点道路阻断检测：(5)选择研究区影像中的少量道路段生成新的训练样本数据S₁，对已有网络进行网络微调，得到微调后的网络模型CNNmodel1；(6)重复道路阻断分类检测工作，直到检测结果达到精度要求。