图像识别方法、违建检测方法、终端设备以及存储介质技术

本申请公开了一种图像识别方法、违建检测方法、终端设备以及计算机存储介质，该图像识别方法包括：获取基于目标区域采集的无人机图像；将无人机图像输入预先训练的实例分割网络，其中，实例分割网络包括特征提取模型、特征检测模型以及掩码生成模型；通过特征提取模型提取无人机图像的特征图像；通过特征检测模型生成特征图像内的目标建筑物检测框；通过所述掩码生成模型按照目标建筑物检测框在所述特征图像上生成目标建筑物的掩码；基于实例分割网络输出的掩码获取无人机图像中的建筑物信息。本申请的图像识别方法通过提出一种针对建筑物的实例分割网络，高效提取无人机图像中的建筑物掩码。建筑物掩码。建筑物掩码。

【技术实现步骤摘要】
图像识别方法、违建检测方法、终端设备以及存储介质


[0001]本申请涉及图像处理
，特别是涉及一种图像识别方法、违建检测方法、终端设备以及计算机存储介质。

技术介绍

[0002]违建监管一直以来是城市治理的重要工作之一，传统的以人工方式进行违建建筑的巡查耗时费力，对于违建建筑的监管也不够及时有效，同时，由于巡视角度的限制，无法及时发现建筑物顶部的违法乱搭及加建行为，导致后续需要投入大量的时间及精力开展违建建筑物的拆除和重建工作。

技术实现思路

[0003]本申请提供一种图像识别方法、违建检测方法、终端设备以及计算机存储介质。
[0004]本申请采用的一个技术方案是提供一种图像识别方法，所述图像识别方法包括：
[0005]获取基于目标区域采集的无人机图像；
[0006]将所述无人机图像输入预先训练的实例分割网络，其中，所述实例分割网络包括特征提取模型、特征检测模型以及掩码生成模型；
[0007]通过所述特征提取模型提取所述无人机图像的特征图像；
[0008]通过所述特征检测模型生成所述本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像识别方法，其特征在于，所述图像识别方法包括：获取基于目标区域采集的无人机图像；将所述无人机图像输入预先训练的实例分割网络，其中，所述实例分割网络包括特征提取模型、特征检测模型以及掩码生成模型；通过所述特征提取模型提取所述无人机图像的特征图像；通过所述特征检测模型生成所述特征图像内的目标建筑物检测框；通过所述掩码生成模型按照所述目标建筑物检测框在所述特征图像上生成目标建筑物的掩码；基于所述实例分割网络输出的掩码获取所述无人机图像中的建筑物信息。2.根据权利要求1所述的图像识别方法，其特征在于，所述掩码生成模型包括依次连接的第一多层感知器、第二多层感知器、反卷积层以及卷积层。3.根据权利要求2所述的图像识别方法，其特征在于，所述掩码生成模型还包括最大化处理层和平均处理层，所述最大化处理层和所述平均处理层并列设置在所述第二多层感知器和所述反卷积层之间，所述最大化处理层和所述平均处理层用于去除所述目标建筑物检测框在生成掩膜过程中的空洞信息。4.根据权利要求1所述的图像识别方法，其特征在于，所述实例分割网络的损失函数至少包括掩码损失，其中，掩码损失采用采样点损失函数计算，所述采样点损失函数利用所述无人机图像中若干采样点的预测掩码输出和实际掩码输出的差异信息计算所述实例分割网络的损失函数。5.根据权利要求4所述的图像识别方法，其特征在于，所述图像识别方法，还包括：在所述实例分割网络的训练过程中，获取训练图像的训练特征图；获取所述训练特征图中所有像素点的置信度；按照所述所有像素点的置信度在所述训练特征图中选取若干采样点；利用所述若干采样点的预测掩码输出和实际掩码输出的差异信息对所述实例分割网络进行训练。6.根据权利要求5所述的图像识别方法，其特征在于，所述按照所述所有像素点的置信度在所述训练特征图中选取若干采样点，包括：获取所述所有像素点属于前景类别的第一置信度，以及属于背景类别的第二置信度；按照所述第一置信度的绝对值与所述第二置信度的绝对值之和，确定所述像素点的不确定度；将所述所有像素点中不确定度大于...

【专利技术属性】
技术研发人员：黄积晟，任宇鹏，李乾坤，殷俊，
申请(专利权)人：浙江大华技术股份有限公司，
类型：发明
国别省市：