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：电子科技大学长三角研究院(湖州)

摘要：本发明公开了一种基于轻量化网络的建筑物提取方法。随着对城市化的高需求和高分辨率遥感图像的可用性，建筑提取已成为研究界进行密集研究的一个重要课题。本文网络通过按照1×1卷积层进行本地和全球连接来连接不同的块，从而同时访问中高频信息，实现网络的特征提取阶段以此来提高建筑物提取网络的速率，达到网络的轻量化。有效密集块和内部有效剩余块，利用多层次的连接可以帮助提出的方法学习多层次的特征，并帮助网络迅速分散信息从低到高，同时进行反向传播。在这种情况下，网络共享所有块之间的信息，从而获得更好的重构结果。

主权项：1.一种基于轻量化网络的建筑物提取方法，其特征在于，包括以下步骤：步骤1：先通过卷积内核为3×3的过滤器进行下采样并获取图像的低层特征信息将其传送至高效密集模块中；步骤2：依次通过三个高效密集模块，获得图像的中高层特征信息；步骤3：通过卷积内核为3×3的过滤器进行上采样恢复至原图大小，最后通过一个卷积内核为1×1的过滤器进行图像的平滑处理，输出最后的建筑物提取图像；进一步，所述步骤1的具体方法为：步骤1.1：将需要进行建筑物提取的遥感图像输入至网络；步骤1.2：通过一个卷积内核大小为3×3，步长为1的过滤器进行卷积，实现下采样；步骤1.3：将下采样后的特征图以及低层特征传送至第一个高效密集块；所述步骤2的具体方法为：步骤2.1：将获得的低层信息通过第一个高效密集模块EDB，每个高效密集模块都是依次通过三个高效残差模块ERB，如图3所示，在ERB模块中，第一学习路径由卷积内核大小为1×1的PointWise层、卷积内核大小为3×3的DepthWise层含SE模块即注意力机制模块以及线性的卷积内核大小为1×1的PointWise层，利用PointWise和DepthWise卷积层将整个卷积算子分解为两个不同的层，通过为每个输入路径通道添加一个卷积滤波器来进行轻量级过滤；第二个学习路径由自适应平均池组成然后是线性的卷积内核大小为1×1的PointWise转换层，来帮助网络更好地处理噪声输入；第三个学习路径是有效残差块内部的一个局部残差连接，连接块的开始和结束；步骤2.2：在EDB模块中，有三个的ERB模块构成，先通过第一个ERB模块，将第一个模块的输出与最开始的输入进行深度连接之后传送至下一个ERB模块后的深度连接器中，除此之外，通过一个卷积内核大小为1×1的过滤器连接之后传送至下一个ERB模块；下一个模块的输出与上一个模块深度连接之后的结果进行深度连接之后传送至下一个ERB模块后的深度连接器中，并通过一个卷积内核大小为1×1的过滤器之后传送至下一个ERB模块；下一个模块的输出与上一个模块深度连接后的结果的输出进行深度连接之后通过卷积内核大小为1×1的过滤器输出；步骤2.3：根据EDB连接三个ERB模块的方式一次连接三个EDB模块后输出送入下一个卷积层；所述步骤3的具体方法为：步骤3.1：将第三个EDB模块的输出送入一个卷积内核大小为3×3，步长为1的过滤器进行卷积，实现上采样，将图像恢复至原来大小；步骤3.2：通过一个卷积内核大小为1×1，步长为1的过滤器进行平滑操作，对特征进行平滑操作，最后输出结果。

全文数据：

权利要求：

百度查询： 电子科技大学长三角研究院(湖州) 一种基于轻量化网络的建筑物提取方法