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：华中师范大学

摘要：本发明公开了一种面向典型农村道路遥感提取的深度学习方法，包括：1获取用于典型农村道路提取的高分辨率遥感影像，并进行预处理，包括辐射定标、大气校正、几何校正、波段融合；2依据预处理后的高分遥感影像进行人工目视解译，获取道路矢量数据，并制作模型的训练与测试数据集；3在U‑Net模型中加入优化残差模块、全局上下文注意力机制模块和DUpsampling模块，提出GDU‑Net模型；4利用训练数据集进行模型训练，然后将测试数据集输入到模型中，进行道路提取与结果评价。本发明不仅能够正确提取农村道路的边界，而且增强了提取结果的完整性，显著提升了典型农村道路的提取精度，具有较好的应用价值。

主权项：1.一种面向典型农村道路遥感提取的深度学习方法，其特征在于包括以下步骤：步骤1：获取用于典型农村道路提取的高分辨率遥感影像，并进行预处理，包括辐射定标、大气校正、几何校正、波段融合；步骤2：依据预处理后的高分遥感影像进行人工目视解译，获取道路矢量数据，并制作模型的训练与测试数据集；步骤3：在U-Net模型中加入优化残差模块、全局上下文注意力机制模块和DUpsampling模块，提出GDU-Net模型；其中，引入优化残差模块用于提升农村道路的特征表达能力；引入全局上下文注意力机制，用于增加被遮挡道路的提取率；步骤4：利用训练数据集进行模型训练，并将测试数据集输入到模型中，进行道路提取与结果评价；上述步骤3中，具体包括以下步骤：步骤31：在U-Net模型的基础上，选用ResNet34作为模型的骨架，在模型编码器部分中加入优化残差模块，减少狭窄道路因模型运算过程导致的信息丢失问题而产生的漏提现象，步骤如下：步骤311：将原始残差模块中的ReLU激活函数修改为Mish函数，减少信息的损失，有助于道路信息的提取，步骤312：将原始残差模块中的批处理归一化BN层修改为组归一化GN层，削弱模型的参数batchsize对最终道路提取精度的影响；步骤32：在各残差模块间引入全局上下文注意力机制，来捕获全局的道路信息以进一步增加被遮挡农村道路的提取率，包括以下步骤：步骤321：对输入特征图F进行上下文建模模块的计算，以获取全局信息关系向量；述的上下文建模模块计算公式如下：F1＝SoftmaxConv1×1F×F式中，F1表示上下文建模模块的计算结果，F表示输入特征图，Conv1×1表示卷积核大小为1×1的卷积计算，Softmax表示归一化指数函数计算；步骤322：基于步骤321的计算结果，进行变换模块的计算，在减少计算量的同时进一步提取道路信息，所述的变换模块计算公式如下：F2＝Conv1×1ReLUBNConv1×1F1式中，F2表示变换模块的计算结果，F1表示上下文建模模块的计算结果，Conv1×1表示卷积核大小为1×1的卷积计算，BN表示归一化层计算，ReLU表示激活函数计算，步骤323：基于步骤322的计算结果，将其与输入特征图F进行相加操作得到全局上下文注意力机制的输出结果；步骤33：在模型解码器部分引入DUpsampling模块来准确恢复像素级的道路预测，减少“棋盘效应”导致道路边界模糊的情况；步骤34：模型使用Adam优化器和二分类交叉熵损失函数。

全文数据：

权利要求：

百度查询： 华中师范大学 一种面向典型农村道路遥感提取的深度学习方法