公开(公告)号：CN118470542B

公开(公告)日：2024-10-29

申请号：CN202410923051.5

申请日：2024-07-10

申请人： 四川大学

发明人： 李辉 ,  周阳 ,  李小凯 ,  朱桂海 ,  汪甜甜 ,  刘文轩 ,  黄代龙 ,  修明泽 ,  宋晨程

IPC分类号： G06V20/10 ,  G06V10/44 ,  G06N3/0475 ,  G06N3/0895 ,  G06N3/045

摘要： 本发明实施例提供了一种顾及目标规则性的遥感影像建筑物提取方法、装置及产品，涉及深度学习技术领域。方法包括：将样本图像输入待训练的特征提取网络得到多尺度特征；确定多尺度特征对应的建筑物部分和背景部分，并基于标签计算得到第一损失值；基于多尺度特征对应的建筑物部分和背景部分进行对比学习，确定对比损失值；将多尺度特征和标签输入待训练的生成器，基于生成器结果与标签计算得到第二损失值；将生成器结果输入待训练的判别器得到判别损失值；基于四个损失值对待训练的三个网络进行训练，至少得到训练好的特征提取网络和生成器，基于训练好的特征提取网络和生成器提取遥感图像的建筑物轮廓，以准确提取遥感影像中建筑物的轮廓。

公开(公告)号：CN118470542A

公开(公告)日：2024-08-09

申请号：CN202410923051.5

申请日：2024-07-10

申请人： 四川大学

发明人： 李辉 ,  周阳 ,  李小凯 ,  朱桂海 ,  汪甜甜 ,  刘文轩 ,  黄代龙 ,  修明泽 ,  宋晨程

IPC分类号： G06V20/10 ,  G06V10/44 ,  G06N3/0475 ,  G06N3/0895 ,  G06N3/045

摘要： 本发明实施例提供了一种顾及目标规则性的遥感影像建筑物提取方法、装置及产品，涉及深度学习技术领域。方法包括：将样本图像输入待训练的特征提取网络得到多尺度特征；确定多尺度特征对应的建筑物部分和背景部分，并基于标签计算得到第一损失值；基于多尺度特征对应的建筑物部分和背景部分进行对比学习，确定对比损失值；将多尺度特征和标签输入待训练的生成器，基于生成器结果与标签计算得到第二损失值；将生成器结果输入待训练的判别器得到判别损失值；基于四个损失值对待训练的三个网络进行训练，至少得到训练好的特征提取网络和生成器，基于训练好的特征提取网络和生成器提取遥感图像的建筑物轮廓，以准确提取遥感影像中建筑物的轮廓。