公路及其附属物的提取方法、装置、设备及介质与流程

本发明涉及计算机，尤其涉及一种公路及其附属物的提取方法、装置、设备及介质。

背景技术：

1、公路以及路面裂缝、标线和路边建筑物等公路典型附属物要素，是一类活跃的遥感大数据泛地理实体。精确、快速、自动且轻量化地获取这些泛地理实体是遥感提取持续研究的热点。

2、随着计算机技术、机器学习技术等发展，深度学习凭借其优异的特征提取能力，广泛运用于公路及其附属物的巡检领域。然而，相关提取模型在提取公路及其附属物的特征信息时存在提取精度不佳的技术问题。

3、基于此，本发明提出了一种公路及其附属物的提取方法、装置、设备及介质来解决上述技术问题。

技术实现思路

1、本发明描述了一种公路及其附属物的提取方法、装置、设备及介质，能够有效提高公路及其附属物的提取精度。

2、根据第一方面，本发明提供了一种公路及其附属物的提取方法，包括：

3、获取待提取的公路遥感图像；

4、将待提取的公路遥感图像输入到训练好的遥感提取模型中，得到待提取的公路遥感图像中公路及其附属物的提取结果；其中，所述遥感提取模型是利用标签公路遥感影像对预设的深度学习网络进行训练得到的；

5、所述深度学习网络包括编码网络和解码网络，所述编码网络包括依次连接的第一编码模块、第二编码模块、第三编码模块和第四编码模块，所述解码网络包括依次连接的语义关联迁移模块、空间感知模块和输出模块；

6、所述语义关联迁移模块的输入端分别与所述第二编码模块、所述第三编码模块和所述第四编码模块的输出端连接，用于完成所述第二编码模块、所述第三编码模块和所述第四编码模块的不同层级特征之间的语义关联，并将深层特征的语义信息迁移至浅层特征中；

7、所述空间感知模块的输入端分别与所述第一编码模块和所述语义关联迁移模块的输出端连接，用于融合不同层次特征的空间细节和语义信息；

8、所述输出模块的输入端与所述空间感知模块的输出端连接，用于输出所述提取结果。

9、根据第二方面，本发明提供了一种公路及其附属物的提取装置，包括：

10、获取单元，被配置为获取待提取的公路遥感图像；

11、提取单元，被配置为将待提取的公路遥感图像输入到训练好的遥感提取模型中，得到待提取的公路遥感图像中公路及其附属物的提取结果；其中，所述遥感提取模型是利用标签公路遥感影像对预设的深度学习网络进行训练得到的；

12、所述深度学习网络包括编码网络和解码网络，所述编码网络包括依次连接的第一编码模块、第二编码模块、第三编码模块和第四编码模块，所述解码网络包括依次连接的语义关联迁移模块、空间感知模块和输出模块；

13、所述语义关联迁移模块的输入端分别与所述第二编码模块、所述第三编码模块和所述第四编码模块的输出端连接，用于完成所述第二编码模块、所述第三编码模块和所述第四编码模块的不同层级特征之间的语义关联，并将深层特征的语义信息迁移至浅层特征中；

14、所述空间感知模块的输入端分别与所述第一编码模块和所述语义关联迁移模块的输出端连接，用于融合不同层次特征的空间细节和语义信息；

15、所述输出模块的输入端与所述空间感知模块的输出端连接，用于输出所述提取结果。

16、根据第三方面，本发明提供了一种电子设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时，实现第一方面的方法。

17、根据第四方面，本发明提供了一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行第一方面的方法。

18、根据本发明提供的公路及其附属物的提取方法、装置、设备及介质，通过对深度学习网络进行优化，即在解码网络中设置依次连接的语义关联迁移模块和空间感知模块，语义关联迁移模块可以完成第二编码模块、第三编码模块和第四编码模块的不同层级特征之间的语义关联，并将深层特征的语义信息迁移至浅层特征中，空间感知模块可以融合不同层次特征的空间细节和语义信息，这样可以充分交互公路及其附属物高低特征层的语义信息，重点关注不同尺度地物要素的空间细节，使得网络在保持较高提取精度的同时，显著地提升了识别效率。因此，上述技术方案能够有效提高公路及其附属物的提取精度。

技术特征：

1.一种公路及其附属物的提取方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述语义关联迁移模块是通过采用如下公式完成所述第二编码模块、所述第三编码模块和所述第四编码模块的不同层级特征之间的语义关联的：

3.根据权利要求2所述的方法，其特征在于，所述语义关联迁移模块是通过采用如下公式完成将深层特征的语义信息迁移至浅层特征中的：

4.根据权利要求3所述的方法，其特征在于，所述空间感知模块是通过采用如下公式完成融合不同层次特征的空间细节和语义信息的：

5.一种公路及其附属物的提取装置，其特征在于，包括：

6.根据权利要求5所述的装置，其特征在于，所述语义关联迁移模块是通过采用如下公式完成所述第二编码模块、所述第三编码模块和所述第四编码模块的不同层级特征之间的语义关联的：

7.根据权利要求6所述的装置，其特征在于，所述语义关联迁移模块是通过采用如下公式完成将深层特征的语义信息迁移至浅层特征中的：

8.根据权利要求7所述的装置，其特征在于，所述空间感知模块是通过采用如下公式完成融合不同层次特征的空间细节和语义信息的：

9.一种电子设备，其特征在于，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时，实现如权利要求1-4中任一项所述的方法。

10.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行权利要求1-4中任一项所述的方法。

技术总结
本发明涉及计算机技术领域，尤其涉及一种公路及其附属物的提取方法、装置、设备及介质。该方法通过对深度学习网络进行优化，即在解码网络中设置依次连接的语义关联迁移模块和空间感知模块，语义关联迁移模块可以完成第二编码模块、第三编码模块和第四编码模块的不同层级特征之间的语义关联，并将深层特征的语义信息迁移至浅层特征中，空间感知模块可以融合不同层次特征的空间细节和语义信息，这样可以充分交互公路及其附属物高低特征层的语义信息，重点关注不同尺度地物要素的空间细节，使得网络在保持较高提取精度的同时，显著地提升了识别效率。因此，上述技术方案能够有效提高公路及其附属物的提取精度。

技术研发人员：邓莉书
受保护的技术使用者：北京天鼎殊同科技有限公司
技术研发日：
技术公布日：2024/2/25