-
公开(公告)号:CN111968088B
公开(公告)日:2023-09-15
申请号:CN202010820826.8
申请日:2020-08-14
申请人: 西安电子科技大学
IPC分类号: G06T7/00 , G06V10/26 , G06V20/13 , G06V20/70 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/048 , G06N3/084
摘要: 本发明公开了一种基于像素和区域分割决策融合的建筑物检测方法,分别构建引入残差结构的基于像素分割模型和引入特征金字塔网络的基于区域双分割模型;从光学遥感数据集中生成训练样本集和测试样本集;对训练集样本中的图像进行预处理;用加入Dice loss和交叉熵损失的混合监督损失训练像素分割模型;将测试样本集输入到训练结束的双分割网络中,分别输出测试样本集的预测结果;根据决策方案融合双分割网络的预测结果,输出测试样本集的最终检测结果,完成检测。本发明关注大型建筑的空间一致性的同时,保留了小型建筑的多尺度特征,保证了建筑物特征的丰富性,提高了建筑物检测准确率。
-
公开(公告)号:CN111968088A
公开(公告)日:2020-11-20
申请号:CN202010820826.8
申请日:2020-08-14
申请人: 西安电子科技大学
摘要: 本发明公开了一种基于像素和区域分割决策融合的建筑物检测方法,分别构建引入残差结构的基于像素分割模型和引入特征金字塔网络的基于区域双分割模型;从光学遥感数据集中生成训练样本集和测试样本集;对训练集样本中的图像进行预处理;用加入Dice loss和交叉熵损失的混合监督损失训练像素分割模型;将测试样本集输入到训练结束的双分割网络中,分别输出测试样本集的预测结果;根据决策方案融合双分割网络的预测结果,输出测试样本集的最终检测结果,完成检测。本发明关注大型建筑的空间一致性的同时,保留了小型建筑的多尺度特征,保证了建筑物特征的丰富性,提高了建筑物检测准确率。
-