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：华中师范大学

摘要：本发明针对高分辨率遥感影像单次处理区域小、分割性能受限制等问题，设计了一种从PATCH到REGION架构的大幅面遥感影像语义分割方法，该架构为分层图像金字塔结构，最下层的是较小的图像块，简称“Patch”，上层的是较大的影像区域，简称“Region”。“Patch”部分处理的对象是较小的图像块，采用的是融合Transformer的U型结构语义分割网络，输出的是像素级别的语义特征。“Region”部分处理对象为较大的影像区域，为了减少计算的参数量，采用全局平均池化算法将“Patch”块输出的像素级别语义特征转换为“Patch”级别的语义特征，之后通过Transformer模块提取“Region”级别的全局上下文信息，最后聚合全局上下文信息和像素级别的语义特征来获得高质量的分割图。该方法在高分辨率遥感影像处理领域具有广泛的应用前景。

主权项：1.一种从PATCH到REGION架构的大幅面遥感影像语义分割方法，其特征在于，包括如下步骤：步骤1，语义分割数据集构建，通过高分辨率遥感影像以及对应的矢量文件构建语义分割数据集，包括Patch级数据集与Region级数据集两类；步骤2，Patch级遥感影像语义分割网络训练，Patch级语义分割网络采用的是U型结构的编码解码结构，在解码器最末端添加注意力模块提升特征表达能力，通过跳转连接融合多尺度特征；训练集采用的是影像尺寸相对小的影像，网络训练阶段输出结果为预测的影像语义标签，通过预测标签与真值计算loss函数；步骤3，Region级遥感影像网络构建与训练，在Patch级网络的基础上构建用于语义分割的Region级遥感影像语义分割网络，在Patch级网络中，将Region级影像划分为若干Patch，采用Patch级语义分割网络提取每一个Patch的像素级语义特征，然后采用全局平均池化算法将像素级别的语义特征转换为“Patch”级别的语义特征，通过Transformer模块提取Region级的全局上下文信息，最后聚合全局上下文信息和像素级别的语义特征来获得高质量的分割图；在整个训练过程中，Patch级语义分割网络固定模型参数，仅作为特征提取网络使用。

全文数据：

权利要求：

百度查询： 华中师范大学 一种从PATCH到REGION架构的大幅面遥感影像语义分割方法