一种尺度变化策略支持的城市绿地深度学习提取方法
基本信息
| 申请号 | CN202210277432.1 | 申请日 | - |
| 公开（公告）号 | CN114612787A | 公开（公告）日 | 2022-06-10 |
| 申请公布号 | CN114612787A | 申请公布日 | 2022-06-10 |
| 分类号 | G06V20/10（2022.01）I;G06K9/62（2022.01）I;G06N3/04（2006.01）I;G06N3/08（2006.01）I;G06V10/762（2022.01）I;G06V10/774（2022.01）I;G06V10/82（2022.01）I | 分类 | 计算；推算；计数; |
| 发明人 | 林聪;李二珠;傅俊豪;周梦潇;胡春霞;卢婷 | 申请（专利权）人 | 南京市测绘勘察研究院股份有限公司 |
| 代理机构 | 南京钟山专利代理有限公司 | 代理人 | - |
| 地址 | 210019江苏省南京市建邺区创意路88号 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明公开一种尺度变化策略支持的城市绿地深度学习提取方法，主要包括四部分：（1）对象单元提取：利用尺度寻优算法支持的影像多尺度分割，获得对象单元与对象级特征；（2）场景种子点提取：利用二叉树采样算法，逐对象单元计算场景种子点个数，并采用无监督算法计算场景种子点集合；（3）场景分类网络训练：以种子点为中心进行影像裁切，构建场景分类数据集并训练场景分类网络；（4）场景分类与像素级结果还原：预测场景分类结果，利用多数投票法获取单个对象单元的分类结果，并生成城市绿地像素级提取结果。本算法通过尺度变化策略，实现了样本由像素级向场景级的转换，降低了样本标注难度，达到以较低的成本自动提取城市绿地的目的。 |
