【技术实现步骤摘要】
本专利技术属于建筑物识别，涉及一种耦合全局上下文和几何信息的建筑物跨域识别方法。
技术介绍
1、随着遥感传感器和人工智能技术快速发展，需要研究机构和研究者将遥感数据与深度学习进行结合以解决建筑物的识别提取任务。然而，城市郊区的建筑物种类单一、数量和面积较少，使得建筑物提取模型难以从这些数据中学习到具有鲁棒性和泛化性的知识。此外，由于实地测量偏差和城市更新原因，历史的建筑物标签数据和现有高分辨率遥感影像存在较大偏差，导致可用于郊区建筑物提取模型训练的精确影像和标签对较少，导致城市郊区区域内的建筑物提取效果较差。相对而言，城市市区的建筑物数量相对较多，建筑物的风格类型、形态特征也丰富多样，可以借助城市市区的建筑物样本帮助建筑物提取模型更好地提取郊区的建筑物。但是，受地域天气、地形或传感器成像条件等因素的影响，城市市区和郊区的遥感影像上建筑物在风格、形态、空间布局、上下文等方面存在一定的差异，记作“域偏移”，这使得在基于市区遥感影像训练的建筑物提取模型在应用到城市郊区的建筑物提取时，因域偏移而难以实现较好的提取效果和泛化能力。
2...
【技术保护点】
1.一种耦合全局上下文和几何信息的建筑物跨域识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的耦合全局上下文和几何信息的建筑物跨域识别方法，其特征在于，所述步骤一中确定源域数据集(XS,YS)和目标域数据集(XT)的具体过程如下：
3.根据权利要求2所述的耦合全局上下文和几何信息的建筑物跨域识别方法，其特征在于，所述多尺度全局上下文提取模块包含一个层级Transformer模块和一个多尺度上下文融合模块，层级Transformer模块用于从源域和目标域影像中提取多尺度上下文特征，多尺度上下文融合模块用于对多尺度上下文信息进行融合得到...
【技术特征摘要】
1.一种耦合全局上下文和几何信息的建筑物跨域识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的耦合全局上下文和几何信息的建筑物跨域识别方法，其特征在于，所述步骤一中确定源域数据集(xs,ys)和目标域数据集(xt)的具体过程如下：
3.根据权利要求2所述的耦合全局上下文和几何信息的建筑物跨域识别方法，其特征在于，所述多尺度全局上下文提取模块包含一个层级transformer模块和一个多尺度上下文融合模块，层级transformer模块用于从源域和目标域影像中提取多尺度上下文特征，多尺度上下文融合模块用于对多尺度上下文信息进行融合得到融合特征；其中，层级transformer模块包含了一个重叠图像嵌入模块和四个transformer块，重叠图像嵌入模块用于将市区遥感影像块xs和郊区遥感影像块xt分割成大小为4×4的图像块，并分别进行特征嵌入；
4.根据权利要求3所述的耦合全局上下文和几何信息的建筑物跨域识别方法，其特征在于，利用源域数据集(xs,ys)和目标域数据集(xt)训练建筑物跨域提取模型1的具体过程如下：
5.根据权利要求4所述的耦合全局上下文和几何信息的建筑物跨域识别方法，其特征在于，得到源域融合特征fs和目标域融合特征ft的具体过程如...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。