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
关键词:模型
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。……
登录APP查看全文
