基于U型神经网络两违疑似图斑识别模型研究

2021-11-25钟洪德

福建建筑 2021年10期

钟洪德

(福州市勘测院福建福州 350108)

0 引言

在我国城镇化进程中，违法用地、违法建筑现象(简称两违)时有发生，传统实地巡查监管手段工作量大，耗时长，无法满足现阶段土地执法工作的需要。近年来，人们尝试遥感影像[1]制作正射影像图，或是采用倾斜摄影测量技术[2]建立实景真三维模型，代替人工实地巡查，极大减轻工作强度。但两违现象的发现仍然依靠人工比对识别。

U-Net神经网络在医学治疗分析方面表现突出[3-4]，后来被运用到语义分割的各个方向，例如道路识别[5]、建筑物检测[6]、水位监测[7]等。近两年U-Net 开始应用于遥感影像分类领域，一些研究人员尝试多种数据源与原始影像结合，提高U-Net模型的分类精度，在建筑物分类上取得了较好效果[8]。

本文以福州市无人机两违监测影像为例，利用U-Net对样本数据进行训练，建立了两违疑似图斑自动识别模型，在GIS技术支持下可对大面积正射影像进行自动搜索，准确标定两违疑似图斑的位置和范围，极大提高了两违监测的自动化水平和工作效率。

1 U-Net神经网络原理

1.1 U-Net模型

U-Net模型由压缩通道(contracting path)和扩展通道(expansive path)组成，该模型外观呈“U”型，非常形象[9]。U-Net具有如下特点：

①使用全卷积神经网络，比较适应多种尺寸的输入图像。

②有别于一般卷积神经网络只能回答是什么，U-Net可完成图像分割，特别适合需要准确知道疑似图斑位置和范围的应用场景。

③能对有限的数据进行有效的处理和利用。

④处理速度较快。

1.2 Pytorch框架

为了帮助基于神经网络架构的开发，Google、Facebook、Microsoft等公司开源了Tensorflow、Pytorch、CNTK等神经网络框架。其中Pytorch是一种Python接口的深度学习框架，不仅可以实现GPU加速，还可以支持动态神经网络。相比于其他的深度学习框架，Pytorch允许进行动态定义图的操作，提供最大的灵活性和运行速度，因此受到了神经网络研究者们的青睐。

2 训练数据处理

2.1 数据来源

实验数据来自福州市勘测院“玉屏龙江街道两违监测项目”。该项目于近期采用无人机进行低空高分辨率(0.1)摄影，实验数据为经过纠正、镶嵌、匀色制作的工作底图，以及人工识别的疑似图斑矢量数据，以此为依据生成训练数据。

(1)玉屏龙江街道片区正射影像图数据，如图1所示。

图1 原始影像图2 人工识别疑似图斑

(2)人工判别的疑似图斑shp格式多边形数据，如图2所示。

2.2 训练数据加工

U型神经网络需要准备两种数据，分别是样本数据和标签数据。

2.2.1 生成Rgb训练数据

Rgb训练样本数据以人工识别图斑shp数据为依据，使用ArcToolbox中的Export Training Data For Deep Learning(为深度学习输出培训数据)工具，在影像数据上直接提取。具体步骤如下：

(1)ArcMap加载疑似图斑与影像图，操作开始前，先对玉屏龙江街道片区疑似图斑shp的属性进行添加字段Classname与Classvalue，以保证后续的步骤顺利进行。

(2)启动Export Training Data For Deep Learning工具。

(3)样本规格为128×128，步长为64×64，步长为样本宽度的一半，这样刚好有一个样本中心处于相邻样本的边界，使取样有较好覆盖度。

(4)经过处理，得到样本文件夹，包含images、lables、stats。其中images中含有大量tif格式的图片，如图3所示，它们保留完整的地理坐标信息，为后续栅格叠加计算提供了条件。

图3 训练样本数据

2.2.2 生成标签数据

先将疑似图斑矢量多边形数据转换为同分辨率的栅格数据，经过重分类后得到0-1二值化数据栅格，其中0像元代表正常像元，1像元代表疑似像元。

然后将二值化栅格分别与3.2.1得到的训练样本图片做“乘法”或“加法”，得到与训练样本图片对应的标签图片。如果采用“乘法”，那么结果需要做二值化处理(所有非0值重分类为1)；如果采用“加法”，则在做加法前，应将训练样本图片重分类成纯0值栅格数据。

由于每个样本数据对应一个标签数据，数量较大，本文采用Arcgis的model builder构建的批处理模型完成。这个模型用到重分类工具(Reclassify)与加法工具(plus)，在重分类之前再加上一个栅格迭代器进行批处理循环。输出的标签数据如图4所示。

图4 标签数据

3 模型训练和评价

3.1 U-Net模型的构建

(1)定义卷积类class double_conv()，包括2个“二维卷积”+“二维正则化”+“ReLU激活层”，逻辑结构如下：多个小个模块用nn.Sequential()函数按顺序执行，减少了很多步骤。

=>nn.Conv2d=>nn.BatchNorm2d=>nn.ReLU

(2)定义下采样类class down()，包括double_conv卷积层和nn.Maxpool2d池化层。

=>double_conv=>nn.Maxpool2d

(3)定义上采样类class up()，根据情况，使用nn.Upsample()函数进行上采样，或用到nn.ConvTranspose2d()函数进行逆卷积层操作。

(4)定义输入输出卷积层，class incov()、分别包含double_conv。class outconv()，包含标准二位卷积层nn.covn2d。

(5)定义class UNet，包括一个输入层，4个下采样，4个上采样，一个输出层。

3.2 模型训练

将前期准备好的训练数据随机选取90%作为训练集，其他10%作为验证集。

模型训练使用Pytorch 1.1框架软件，损失函数采用由torch.nn.functional模块提供的nn.MSELoss()函数，而优化函数是由torch.optim模块提供。采用CDUA模式在NVIDIA Quadro M2200 gpu 上完成，训练时间大约3 h。

训练完成后，用模型算出验证集的预测结果数据。

本文分别用32×32、64×64、128×128、256×256、512×512规格RGB训练样本完成5种模型的训练，之后用模型对验证集输出预测数据，如图5所示。

图5 128×128预测数据

3.3 模型评价

为评价模型的准确度，将验证集的预测结果与人工标定结果进行对比分析:

(1)无坐标系预测图片加入坐标系信息，使预测数据的位置与验证集标签数据对齐；

(2)对验证集标签数据做归一化处理，使得标签数据与预测数据单位统一；

(3)预测图片与标签图片进行减法计算，其中value为0的是识别正确的像素，value大于0或小于0的是识别错误的像素，最后计算正确像素个数占每张图片的总像数的百分比，即为所求准确度。

对每种规格的验证集进行以上操作，得出每一标签图片“两违图斑像素”精确率和召回率。如表1所示。32×32规格平均精确率72%最高，128×28规格平均召回率90%最高；256×256和512×512规格样本精确率十分接近(约为66%)，但512×512规格召回率急剧下降，说明U-Net模型对样本规格选取较敏感。