首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种基于UNet语义分割双分支改进的滑坡检测方法 

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:中国铁路设计集团有限公司

摘要:本发明公开了一种基于UNet语义分割双分支改进的滑坡检测方法,包括:S1,获取研究区域的高分辨率卫星遥感影像;S2,对所述高分辨率卫星遥感影像进行预处理,得到数据增强后的卫星遥感影像;S3,通过目视解译制作语义分割样本集;S4,设计基于UNet语义分割双分支改进的滑坡检测模型,所述滑坡检测模型由边界自适应特征分支、多尺度特征分支和UNet的常规反卷积组组成;S5,模型的训练、测试和验证;S6,将S55得到的滑坡检测模型运用于滑坡潜在区域检测,获得滑坡检测结果。该方法提高了对目标与背景差异的区分能力,扩大了感受野,更好地满足不同尺度下的目标的信息提取要求,具有更高的精确度、召回率。

主权项:1.一种基于UNet语义分割双分支改进的滑坡检测方法,其特征在于包括以下步骤:S1,获取研究区域的高分辨率卫星遥感影像;S2,对所述高分辨率卫星遥感影像进行预处理,得到数据增强后的卫星遥感影像;S3,通过目视解译制作语义分割样本集:根据专家知识,在S2预处理后的影像中筛选含有滑坡现象的区域,在影像上目视识别出滑坡区域和背景,并使用标注工具对滑坡区域进行逐像元的标注;然后将得到的图像样本随机分配到训练集、测试集和验证集;S4,设计基于UNet语义分割双分支改进的滑坡检测模型:所述滑坡检测模型由边界自适应特征分支、多尺度特征分支和UNet的常规反卷积组组成;在模型的编码部分,通过多个串联的边界自适应特征提取模块BAF-1~n和多个串联的多尺度特征提取模块MSF-1~n获取输入图像中滑坡的特征图;根据所述特征图的尺度,将其分成n个不同级别,每个级别的特征图的长度和宽度均为前一个级别特征图长度和宽度的一半,通道数为前一个级别的两倍;将BAF-1输出的特征作为BAF-2的输入,将BAF-2输出的特征作为BAF-3的输入,依此类推;将BAF-1的输出特征与MSF-1的计算结果进行累加,累加的结果作为MSF-1的输出,将MSF-1的输出作为MSF-2的输入;将BAF-2的输出特征与MSF-2的计算结果进行累加,累加的结果作为MSF-2的输出,将MSF-2的输出作为MSF-3的输入,依此类推;在解码部分,使用UNet结构反卷积组中的DeConv-n将MSF-n的输出恢复到前一级别特征图的大小,并与MSF-n-1的输出特征累加,累加的结果作为DeConv-n-1的输入,迭代进行这个过程,直到UNet结构反卷积组中DeConv-1的输出特征图与所述输入图像的尺寸一致,最终通过LogSoftmax函数获得滑坡检测识别结果;S5,基于图像样本训练滑坡检测模型,获得模型权重,包括以下分步骤:S51,将所述训练集的样本输入S4设计的滑坡检测模型中,分别提取其边界自适应特征、多尺度特征并将编码过程与解码过程进行信息交互,得到滑坡预测图;S52,基于步骤S51得到的滑坡预测图和S3中的逐像元标注的影像计算损失函数,然后通过反向传播计算梯度优化模型参数,使损失函数逐渐减小,训练过程中使用S3得到的验证集评估模型的性能来帮助选择最佳的超参数和模型结构,防止模型在训练集上过拟合;保存性能最好的模型权重,作为训练输出权重;S53,将S3得到的测试集用于评估S52优化后的模型在未见数据上的泛化能力,并得出模型的精确度和召回率指标,与其它现有方法进行性能比较,确定滑坡检测模型的可靠性;S6,将S53得到的滑坡检测模型运用于滑坡潜在区域检测,获得滑坡检测结果。

全文数据:

权利要求:

百度查询: 中国铁路设计集团有限公司 一种基于UNet语义分割双分支改进的滑坡检测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。