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。
技术关键词
多任务神经网络
遥感影像建筑物
屋顶
标签
多边形
混合损失函数
多尺度
边缘算法
编码
底座
模型训练模块
检测头
数据获取模块
解码器
计算机设备
校准
系统为您推荐了相关专利信息
医学图像分割方法
形状先验
分支
解码器
无标签数据
信用评分模型
信用评估方法
编码特征
移动互联网数据
分析数据仓库
表面缺陷检测方法
金字塔网络
条带
热轧钢
表面缺陷图像
变化检测模型
变化检测方法
变化检测算法
前馈神经网络
轮廓