摘要
本申请公开了一种基于多任务深度学习的屋顶可利用区域识别方法,属于图像识别技术领域。包括:获取多张卫星图片;对每张卫星图片进行裁剪分片处理,将分片处理后的每张卫星图片输入到训练好的改进U‑Net语义分割网络模型中,得到屋顶可利用区域预测结果图,改进U‑Net语义分割网络模型在U‑Net语义分割网络模型基础上增加了多尺度特征提取模块和细节头模块,改进U‑Net语义分割网络模型包括屋顶区域识别分支、屋顶边缘区域识别分支和屋顶无效区域识别分支;基于屋顶连通域面积与紧凑度指数对屋顶可利用区域预测结果图进行后处理,得到每张卫星图片所对应的屋顶可利用区域。该方法提升了屋顶可利用区域识别的准确性。
技术关键词
多任务深度学习
语义分割网络
区域识别方法
屋顶
图片
分片
特征提取模块
分支
指数
采样模块
非暂态计算机可读存储介质
区域识别装置
多尺度特征提取
上采样
多尺度信息
图像识别技术
像素
处理器
积层
系统为您推荐了相关专利信息
数据自动生成方法
防护装备
多模态
场景
数据自动生成系统
人工智能模型
注意力
解码器
人工智能系统
位置编码器
异常检测方法
注意力机制
局部视觉特征
文本编码器
局部图像特征
区域识别方法
指标
土地利用数据
时间序列特征
温度植被干旱指数