遥感影像双分支特征融合固废识别方法、系统及电子设备
申请人信息
- 申请人:浙江时空智子大数据有限公司; 时空智子大数据(西安)有限公司
- 申请人地址:315200 浙江省宁波市镇海区庄市街道中官西路777号宁波市国家大学科技园启航楼5楼
- 发明人: 浙江时空智子大数据有限公司; 时空智子大数据(西安)有限公司
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 遥感影像双分支特征融合固废识别方法、系统及电子设备 |
| 专利类型 | 发明申请 |
| 申请号 | CN202410018256.9 |
| 申请日 | 2024/1/5 |
| 公告号 | CN117765410A |
| 公开日 | 2024/3/26 |
| IPC主分类号 | G06V20/13 |
| 权利人 | 浙江时空智子大数据有限公司; 时空智子大数据(西安)有限公司 |
| 发明人 | 刘明超; 储国中; 舒弥; 杨超群 |
| 地址 | 浙江省宁波市镇海区庄市街道中官西路777号宁波市国家大学科技园启航楼5楼; |
摘要文本
本发明公开了一种遥感影像双分支特征融合固废识别方法、系统及电子设备,其方法包括:S1、构建双分支特征融合模型,将遥感影像样本标签数据集输入双分支特征融合模型中进行模型训练,改进EfficientNet特征提取分支与Transformer特征提取分支进行并行特征提取;S2、双分支特征融合模型的四层特征融合模块对四层特征图依次进行多层次特征融合并输出融合特征图,对融合特征图进行卷积处理得到最终融合特征图;S3、获取遥感影像数据并进行切片处理得到若干个影像片,将各个影像片依次输入双分支特征融合模型中并依次得到影像片对应的固废识别结果。本发明更加聚焦固废所在区域的关键信息,对小面积的固废区域特征挖掘能力增强,减轻了固废尺度随机性对模型识别的干扰。
专利主权项内容
1.一种遥感影像双分支特征融合固废识别方法,其特征在于:其方法包括:S1、构建遥感影像样本标签数据集,遥感影像样本标签数据集存储有影像片样本与对应的固废标签,固废标签中城市固废和非城市固废;构建双分支特征融合模型,将遥感影像样本标签数据集输入双分支特征融合模型中进行模型训练,双分支特征融合模型包括改进EfficientNet特征提取分支与Transformer特征提取分支;改进EfficientNet特征提取分支包括EfficientNet-B3模型,EfficientNet-B3模型对输入的影像片样本依次通过四层改进EfficientNet模块捕获空间细节特征,经过1×1的逐点卷积按照扩展比例对特征进行升维,接着经过深度卷积、坐标注意力处理获取特征的通道关系与位置信息,四层改进EfficientNet模块依次输出四个尺度的特征图~特征图/>;Transformer特征提取分支将输入的影像片样本均匀分成N个图像块,将各个图像块采用线性映射嵌入并获取嵌入序列;Transformer特征提取分支包括四层Transformer模块,Transformer模块通过L层多头注意力机制与多层感知器进行信息聚合,四层Transformer模块依次输出四个尺度的特征图~特征图/>;S2、双分支特征融合模型还包括四层特征融合模块,四层特征融合模块、四层改进EfficientNet模块、四层Transformer模块按层依次对应设置,四层特征融合模块均包括通道注意力ECA模块和注意力CBAM模块,四层特征融合模块的通道注意力ECA模块分别对特征图~特征图/>进行通道注意力处理并依次得到特征图/>~特征图/>;四层特征融合模块的注意力CBAM模块分别对特征图/>~特征图/>进行空间注意力加权处理并依次得到特征图/>~特征图/>;四层特征融合模块将同层Transformer模块的特征图与改进EfficientNet模块的特征图融合并依次得到特征图/>~特征图/>;四层特征融合模块分别将同层得到的三个特征图融合处理并依次得到输出的特征图/>~特征图/>;四层特征融合模块对特征图/>~特征图/>依次进行多层次特征融合并输出融合特征图,对融合特征图进行卷积处理得到最终融合特征图;双分支特征融合模型建立影像片样本的最终融合特征图与固废标签的关系;S3、获取遥感影像数据并进行切片处理得到若干个影像片,将各个影像片依次输入双分支特征融合模型中并依次得到影像片对应的固废识别结果;或者获取遥感影像数据输入双分支特征融合模型,双分支特征融合模型对遥感影像数据逐像元固废识别并获取所有像元的固废识别结果;或者获取遥感影像数据输入双分支特征融合模型,并采用滑窗形式进行固废识别。