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：江西和壹科技有限公司

摘要：本发明公开了一种基于深度学习的地图资源识别方法、系统及存储介质，涉及地理信息处理技术领域。该方法在第一地学图像上标记特征明显的第一地图资源，并训练可识别第一地图资源的第一学习模型。基于公共的外部地图提取第二地图资源的约束参数，根据约束参数训练可识别第二地图资源的第二学习模型。再删除第一地学图像上的第一地图资源和第二地图资源，生成第二地学图像，并对第二地学图像进行预分类，生成伪概率标签。该伪概率标签用于指导第三学习模型的训练，使其能够识别第三地图资源。通过这种方法，可以显著提高地图资源的识别准确率。

主权项：1.一种基于深度学习的地图资源识别方法，其特征在于，包括以下步骤：步骤1：目标区域至少具有第一地图资源、第二地图资源以及第三地图资源中的一种或几种，摄像单元拍摄目标区域的遥感图像，检测摄像单元的位置参数以及姿态参数；步骤2：基于姿态参数和位置参数校正遥感图像，获得校正图像，生成校正图像与遥感图像的误差参数，将校正图像划分为多个第一地学图像；步骤3：获取第一地图资源的资源标签，将所述资源标签匹配至第一地学图像，根据资源标签和第一地学图像创建第一数据集，根据第一数据集训练第一学习模型；步骤4：获取外部地图的参考数据集，基于参考数据集训练基础资源模型，根据基础资源模型生成第二地图资源的约束参数；步骤5：基于约束参数、第一地学图像以及该第一地学图像对应的误差参数创建第二数据集，基于第二数据集训练第二学习模型；步骤6：删除第一地学图像的第一地图资源和第二地图资源后生成第二地学图像，提取第二地学图像的连通区域，生成连通区域的伪概率标签；步骤7：基于伪概率标签和第二地学图像创建第三数据集，基于第三数据集训练第三学习模型；步骤8：输入目标图像，根据第一学习模型识别目标图像的第一地图资源，根据第二学习模型识别目标图像的第二地图资源；步骤9：删除目标图像的第一地图资源和第二地图资源后生成中间图像，根据第三学习模型识别中间图像的第三地图资源，在步骤4中，预设滑动窗口的尺寸，基于所述滑动窗口将外部地图分割为多个子地图，根据子地图生成参考数据集，根据基础资源模型识别参考数据集的第二地图资源，提取第二地图资源的方向数据，所述约束参数包括该方向数据，在步骤5中，基于所述滑动窗口将第一地学图像分割为多个第一子图像，将所述第一子图像输入第二学习模型，根据误差参数和约束参数生成第二学习模型的第二损失函数，根据第二损失函数更新第二学习模型，其中，获取遥感图像时，提取摄像单元的位置参数X',Y',Z'和摄像单元的姿态参数（ω,κ,φ），构建旋转矩阵，r11=cosφcosκ-sinφsinωsinκ，r12=-cosφsinκ-sinφsinωcosκ，r13=-sinφcosω，r21=sinφcosκ+cosφsinωsinκ，r22=-sinφsinκ+cosφsinωcosκ，r23=cosφcosω，r31=cosφsinκ，r32=cosφcosκ，r33=-sinω，使用共线方程函数计算由初始地面坐标X0,Y0,Z0得到对应的像坐标x0,y0，共线方程函数的表达形式为，，f为摄像单元的聚焦参数，xs,ys为遥感图像的中心坐标点，根据外部地图确定第二地图资源在像素k的约束参数Gk，误差参数是遥感图像坐标点和像坐标之间的坐标误差，对于像素点k，其遥感图像坐标点为xk,yk，像坐标为x0k,y0k，坐标误差，K为遥感图像中像素点的像素数量，生成每一第二地图资源的方向数据，计算第二地图资源在像素点k的斜率角，该斜率角为第二地图资源在像素点k的方向数据Gk'，根据第二损失函数更新第二学习模型，方向损失，，第二损失函数L2=Ldir，将第二学习模型识别的第二地图资源的方向数据与外部地图的第二地图资源的方向数据比较，评价第二学习模型的第二损失函数，再更新第二学习模型。

全文数据：

权利要求：

百度查询： 江西和壹科技有限公司 基于深度学习的地图资源识别方法、系统及存储介质