1.一种基于注意力网络的高分辨率遥感影像建筑物提取方法,其特征在于,包括:获取研究区内的航空影像数据;
对所述航空影像数据进行图像预处理和数据增强,并将处理后的数据划分为训练集、测试集和验证集;
分别构建SE权重模块、挤压和连接模块以及Softmax激活函数;
根据所述SE权重模块、所述挤压和连接模块和所述Softmax激活函数确定金字塔时序组块,并将金字塔时序组块嵌入到U型网络的连接层中,得到U型的金字塔时序注意力网络,并根据所述训练集对所述U型的金字塔时序注意力网络进行训练;
分别利用所述测试集和所述验证集对所述U型的金字塔时序注意力网络进行测试和验证,得到最优的遥感影像建筑物提取模型;
将待检测数据输入至所述遥感影像建筑物提取模型中,得到检测结果。
2.根据权利要求1所述的基于注意力网络的高分辨率遥感影像建筑物提取方法,其特征在于,所述获取研究区内的航空影像数据,包括:利用无人机在所述研究区内按照设定飞行路线进行航飞,以采集所述研究区中的遥感数据集;
根据所述无人机拍摄的带有地理坐标的所述遥感数据集生成所述研究区域的遥感影像;
将所述遥感影像进行空间分辨率的调整,并根据空间分辨率达到预设分辨率阈值的遥感影像制作成所述航空影像数据。
3.根据权利要求1所述的基于注意力网络的高分辨率遥感影像建筑物提取方法,其特征在于,对所述航空影像数据进行图像预处理和数据增强,并将处理后的数据划分为训练集、测试集和验证集,包括:确定所述航空影像数据中的建筑样本;
根据所述建筑样本确定建筑标签;
对所述航空影像数据和对应的所述建筑标签进行影响裁剪,得到裁剪后的影像;
将所述裁剪后的影像进行数据增强,得到扩充处理后的图像;
按照预设比例将所述扩充后的图像进行随机划分,得到所述训练集、所述测试集和所述验证集。
4.根据权利要求1所述的基于注意力网络的高分辨率遥感影像建筑物提取方法,其特征在于,所述SE权重模块由挤压部分和提取部分组成;所述SE权重模块用于编码全局信息和自适应重新校准通道关系;所述挤压和连接模块用于以多分支的方式提取输入特征图的空间信息;所述Softmax激活函数用于获得多尺度通道的重新校准的权重。
5.根据权利要求1所述的基于注意力网络的高分辨率遥感影像建筑物提取方法,其特征在于,所述根据所述SE权重模块、所述挤压和连接模块和所述Softmax激活函数确定金字塔时序组块,并将金字塔时序组块嵌入到U型网络的连接层中,得到U型的金字塔时序注意力网络,并根据所述训练集对所述U型的金字塔时序注意力网络进行训练,包括:构建基础U型框架;
根据所述SE权重模块、所述挤压和连接模块和所述Softmax激活函数构建的金字塔时序组块;
根据所述基础U型框架、所述金字塔时序组块和预设的特征融合器构建所述U型的金字塔时序注意力网络;
将所述训练集输入到所述U型的金字塔时序注意力网络中,并调整超参数后进行训练,得到训练好的U型的金字塔时序注意力网络。
6.根据权利要求5所述的基于注意力网络的高分辨率遥感影像建筑物提取方法,其特征在于,根据所述基础U型框架、所述金字塔时序组块和预设的特征融合器构建所述U型的金字塔时序注意力网络,包括:在所述基础U型框架的多分支连接“跳转连接”中的第一层、第三层和第五层添加所述金字塔时序组块,并在所述金字塔时序组块的输出端后加入所述特征融合器。
7.根据权利要求1所述的高分辨率遥感影像建筑物提取方法,其特征在于,分别利用所述测试集和所述验证集对所述U型的金字塔时序注意力网络进行测试和验证,得到最优的遥感影像建筑物提取模型,包括:对所述U型的金字塔时序注意力网络的训练参数进行初始化;
根据所述测试集对所述U型的金字塔时序注意力网络进行测试,并根据预设的评估指标对测试的U型的金字塔时序注意力网络进行评估,以得到测试好的U型的金字塔时序注意力网络;
根据所述验证集对测试好的U型的金字塔时序注意力网络进行验证,得到所述最优的遥感影像建筑物提取模型。