买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中国人民解放军国防科技大学

摘要：本发明涉及基于非正射遥感影像建筑物底座提取方法、装置和设备，该方法通过基于Mask‑RCNN模型增加多尺度掩码检测头构建新的多任务神经网络模型，以同时提取建筑物屋顶和建筑物偏移量，引入了多任务学习，从而可以利用同一组图像特征处理多种与遥感图像建筑物有关的任务，增强了骨干网络提取的图像特征的泛化性，从而提高了各个任务的性能。同时，融入多尺度掩码检测头可根据不同的目标尺寸定制提取的掩模尺寸，以提高多尺度屋顶提取的准确性，并利用十字场检测头引入十字方向场辅助任务，以预测建筑物屋顶多边形的边缘方向并与建筑物屋顶的预测相互约束，最终提高了建筑物屋顶预测的形状准确性。

主权项：1.一种基于非正射遥感影像建筑物底座提取方法，其特征在于，包括步骤：获取待预测的非正射遥感影像并调用训练好的多任务神经网络模型；所述多任务神经网络模型为基于Mask-RCNN模型增加多尺度掩码检测头后利用非正射遥感影像训练得到，所述多任务神经网络模型的十字场检测头为UNet解码器形式的网络；将待预测的所述非正射遥感影像输入所述多任务神经网络模型进行特征提取，得到模型输出；所述模型输出包括建筑物目标框、建筑物屋顶、建筑物偏移量及经过编码的十字方向场预测；通过提取边缘算法矢量化所述建筑物屋顶，得到建筑物屋顶多边形；所述十字方向场预测用于预测所述建筑物屋顶多边形的边缘方向；根据所述建筑物屋顶多边形和所述建筑物偏移量得到待预测的非正射遥感影像中的建筑物底座多边形；其中，所述多任务神经网络模型通过如下步骤训练得到：获取训练用的非正射遥感影像、建筑物标签及十字方向场标签；所述建筑物标签包括建筑物屋顶标签、建筑物偏移量标签和建筑物目标框标签；将非正射遥感影像输入所述多任务神经网络模型，获取模型输出的结果；所述模型输出的结果包括建筑物目标框、建筑物屋顶、建筑物偏移量和经过编码的十字方向场预测；利用所述建筑物标签和所述模型输出的结果，进行损失函数计算后根据损失函数进行梯度反向传播优化模型参数；返回所述获取训练用的非正射遥感影像、建筑物标签及十字方向场标签的步骤，进行迭代训练直至所述多任务神经网络模型收敛，得到训练好的所述多任务神经网络模型；所述损失函数为： 其中，CrossEntropy表示交叉熵，dir（）表示对梯度计算方向，maskedge表示建筑物屋顶多边形掩码，Proof表示计算Proof的梯度，Pcross-field-encode表示计算Pcross-field-encode的梯度，avg表示取均值，MSE（）表示均方误差，LBBox表示建筑物目标框损失，Lalign表示校准损失，Lsmooth表示平滑损失，Lmask表示掩码损失，表示建筑物屋顶损失，Loffset表示建筑物偏移量损失，为差异函数，用于计算方向角度θ与方向编码P之间的差异值，GBBox为建筑物目标框标签，Goffset为建筑物偏移量标签，Groof为建筑物屋顶标签，PBBox为建筑物目标框，Proof为建筑物屋顶，Poffset为建筑物偏移量，Pcross-field-encode为经过编码的十字方向场预测，分别为各混合损失函数的权重。

全文数据：

权利要求：

百度查询： 中国人民解放军国防科技大学 基于非正射遥感影像建筑物底座提取方法、装置和设备