道路提取装置及方法制造方法及图纸

本发明专利技术涉及可利用通过多任务学习(multi task learning)预学习的深度学习模型从卫星图像提取道路的道路提取装置及方法。所述道路提取装置包括：数据收集模块，用于收集与道路(road)相关的道路图像；以及深度学习模块，利用深度学习技术执行用于从所述道路图像提取所述道路的任务(task)，所述深度学习模块可包括：第一深度学习部，以所述道路图像为对象执行分割(segmentation)；以及第二深度学习部，以所述道路图像为对象执行目标检测(object detection)。

【技术实现步骤摘要】

本专利技术涉及道路提取装置及方法。具体地，本专利技术涉及可利用通过多任务学习(multi task learning)进行预学习的深度学习模型从卫星图像提取道路的道路提取装置及方法。

技术介绍

1、在此记载的内容仅用于提供本实施例的
技术介绍
，无法构成现有技术。

2、当前，在地球上空有全世界的数百颗人造卫星正在以气象、通信、广播、农业、航天开发、军事等目的执行固定任务。从上述人造卫星拍摄的卫星图像可作为公共数据广泛用于多种领域。

3、上述卫星图像是指在非常高的高度拍摄的图像，因此，当前应用深度学习技术加工、分析和/或存储上述卫星图像的技术正备受瞩目。

4、尤其，上述卫星图像大多用于生成或更新地图(map)，在此情况下，非常需要从卫星图像精确提取道路(road)形态的技术，以便生成或更新相应地图。

技术实现思路

1、本专利技术的目的在于，提供可利用通过多任务学习进行预学习的深度学习模型从卫星图像进一步精确地提取道路的道路提取装置及方法。

2、具体地，本专利技术的目的本文档来自技高网...

【技术保护点】

1.一种道路提取装置，其特征在于，包括：

2.根据权利要求1所述的道路提取装置，其特征在于，所述道路图像包括与所述道路相关的卫星图像。

3.根据权利要求1所述的道路提取装置，其特征在于，所述深度学习模块通过多任务学习来进行学习。

4.根据权利要求3所述的道路提取装置，其特征在于，所述深度学习模块利用自编码器执行所述任务。

5.根据权利要求4所述的道路提取装置，其特征在于，所述第一深度学习部及所述第二深度学习部包括：

6.根据权利要求5所述的道路提取装置，其特征在于，所述第一深度学习部及所述第二深度学习部中的至少一个包括多个解码部...

【技术特征摘要】

1.一种道路提取装置，其特征在于，包括：

2.根据权利要求1所述的道路提取装置，其特征在于，所述道路图像包括与所述道路相关的卫星图像。

3.根据权利要求1所述的道路提取装置，其特征在于，所述深度学习模块通过多任务学习来进行学习。

4.根据权利要求3所述的道路提取装置，其特征在于，所述深度学习模块利用自编码器执行所述任务。

5.根据权利要求4所述的道路提取装置，其特征在于，所述第一深度学习部及所述第二深度学习部包括：

6.根据权利要求5所述的道路提取装置，其特征在于，所述第一深度学习部...

【专利技术属性】
技术研发人员：司空容协，朴炫宣，金东英，
申请(专利权)人：玛依沙普列尼有限公司，
类型：发明
国别省市：