深度对抗网络在新增建筑物检测中的应用

发布时间：2020-04-02 18:33

【摘要】：对城市建筑物的统计和管理是政府部门非常重要的工作。但是随着城市的扩大,建筑物数量和种类的飞速扩张这个工作变得越来越困难。使用新的技术来解决城市建筑物的统计和管理是时代发展的必然趋势。而本文的主要研究目标就是如何快速准确的找出城市新增的建筑物,以方便工作人员的管理。使用高分辨率遥感卫星图,来识别城市建筑物是近几年研究的热点。过去有一部分专家学者尝试针对遥感卫星图中建筑物的色彩,反射率,形状等特征来对建筑物进行检测。但是这些算法对数据集的质量要求非常高,在面对卫星图像中的,偏差、扭曲、和不同角度拍摄下带来的倾斜问题时显得有些无力。为了改善这些问题,本文提出了一种基于深度生成对抗网络的新增建筑物检测算法。首先会把两张卫星图像通道直接叠加在一起看做一个双倍通道的图像。可以把这个新增建筑物物检测问题简化为一个分割问题。这样就直接分割其中新增的建筑物部分而不用分别识别不同时期的建筑物进行相减。其中深度生成对抗网络中的生成网络使用了一个28层的全卷积神经网络,用来分割出新增建筑物,这个网络在训练中输入叠加后的图像和标准标签,然后进行多次的卷积,下采样和上采样,最后得到一个二维的图像。而判别网络则采用一个5层的全卷积神经网络,输入是生成网络生成的分割图像。然后对图像进行多次卷积操作得到一个向量,最后归一化计算出一个0-1之间的数值以评价输入的图像质量。这个判断结果会加权到生成网络的损失函数之中。在训练中首先固定生成网络,训练判别网络,然后固定判别网络,训练生成网络,反复迭代中判别网络的判别能力不断加强,会给生成网络不断提供新的损失函数,生成网络则可以利用更新的损失函数训练出更好的效果。实验采用了阿里天池大数据竞赛中的公开数据集,对数据集进行了通道拉伸算法使其数值分布更均匀,同时训练集构造过程中采用了随机框选和拉伸来增加训练集的随机性。最后进行实验比较,本文的算法相比U-Net和FCN的F1分数分别提升了5.6%和13.6%。在此次比赛中,也获得了决赛第二名的成绩。
【图文】：

而一般使用来 wi表示每一个输入的权重。为了让神经元有更好加入一个偏置项 b。因此神经元的输出可以表示为式 2.1：()()1,hxfWxbniwbii (2.1)神经元都是一个线性的函数，它可以根据输入做出一些线性的变换。工神经网络多人工神经元互相连接组成的一个网状的结构，一般称为人工神经的结构多种多样，但是人工神经网络一般分为三层，分别是输入层)和输出层。每个神经网络都有一个输入层，，多个隐藏层和一个输所示。

经网络中不可缺少的一部分，实际上对一入和输出都是一个线性的变换，这样多并不能拟合非线性样本。而激活函数就使得神经网络可以应对更多复杂的任务。 Sigmod、Tanh、ReLU 和 LeakReLU。数，是最常见的激活函数之一，它把输)之间。其公式可以写为式 2.2zegz 11( )
【学位授予单位】：广东工业大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TU198;TP391.41;TP183

【相似文献】

相关期刊论文 前10条

1 张海平;;建筑物倾斜原因与常见纠偏技术探讨[J];智能城市;2017年02期

2 王培生;;对建筑物倾斜纠偏技术的应用研究[J];山西建筑;2015年24期

3 田萍;李飞;周波;;免棱镜全站仪解析法测量建筑物倾斜度的应用[J];水利与建筑工程学报;2014年04期

4 宁云峰;;建筑物倾斜纠偏技术的研究与应用[J];科技资讯;2013年24期

5 姜先义;;浅谈建筑物倾斜的原因及纠偏加固处理[J];山西建筑;2011年05期

6 蒋国平;丁远江;傅翔;;浅谈建筑物倾斜的原因和纠倾方法[J];科技创新导报;2009年05期

7 王朝晖,许进军;建筑物倾斜问题的探讨[J];工业建筑;1999年10期

8 王永涛;沈永炬;马路兴;;建筑物倾斜的表现形式、原因、预防措施以及纠偏方法浅析[J];科技致富向导;2010年24期

9 陈强;;免棱镜全站仪测控建筑物倾斜的探讨[J];江西测绘;2013年04期

10 陈浙;陈伟云;;建筑物倾斜的原因及纠偏技术探析[J];科技创新与应用;2012年19期

相关会议论文 前10条

1 赵世平;徐光勇;郑在进;叶世武;;全站仪在建筑物倾斜度测量中的应用[A];第二届“测绘科学前沿技术论坛”论文精选[C];2010年

2 赵世平;刘双庆;;全站仪在建筑物倾斜测量中的应用[A];全国测绘科技信息网中南分网第二十一次学术信息交流会论文集[C];2007年

3 张新民;张立敏;;建筑物倾斜纠偏成套施工技术的研发与应用[A];首届全国既有结构加固改造设计与施工技术交流会论文集[C];2007年

4 裴德智;;全站仪在石油一厂变形监测中的应用研究[A];2013年3月建筑科技与管理学术交流会论文集[C];2013年

5 张林锋;张桂林;刘之葵;;天津某住宅楼倾斜原因浅析[A];地球科学与资源环境——华南青年地学学术研讨会论文集[C];2003年

6 张定柱;陈家琪;;复合地基建筑物倾斜纠偏的设计与施工[A];江苏省地质学会岩土工程专业委员会论文集[C];2003年

7 袁晓铭;孟凡超;孟上九,;孙锐;;液化土层上建筑物倾斜计算要点初步分析[A];第九届全国岩土力学数值分析与解析方法讨论会论文集[C];2007年

8 张小兵;;拖带沉降的产生机理及应对方法[A];第十届建构筑物改造和病害处理学术研讨会、第五届工程质量学术会议论文集[C];2014年

9 蔡枫;郑永来;李tD;;基坑施工对周边环境的影响研究[A];岩石力学与工程的创新和实践：第十一次全国岩石力学与工程学术大会论文集[C];2010年

10 张宁;孙立鹏;;浅谈大庆某办公楼纠倾工程实例处理研究方案[A];第十一届建筑物改造与病害处理学术研讨会暨第六届工程质量学术会议论文集[C];2016年

相关重要报纸文章 前2条

1 陈伟;新农村建设中的建筑质量日益引起重视[N];芜湖日报;2011年

2 伊犁州建设工程质量监督中心站;怎样选购称心如意的商品房[N];伊犁日报(汉);2007年

相关硕士学位论文 前8条

1 景国强;深度对抗网络在新增建筑物检测中的应用[D];广东工业大学;2019年

2 蒋梅笑;基于三维激光扫描技术的建筑物整体变形监测方法研究[D];武汉理工大学;2018年

3 王俊博;融合LIDAR点云与正射影像的城区建筑物细化提取研究[D];吉林大学;2019年

4 刘立忠;松散砂层煤矿采动区抗变形建筑试验研究[D];华北理工大学;2018年

5 王冕;湿陷性黄土地区建筑物倾斜、纠偏过程的计算机仿真模拟[D];兰州交通大学;2017年

6 王运栋;掏土纠倾法作用机理的分析研究[D];北京交通大学;2009年

7 张贵文;湿陷性黄土地区建筑物迫降纠偏的理论与实践[D];兰州理工大学;2004年

8 邱浩浩;铁路隧道CRD法施工引起的地表变形及其监控量测研究[D];长沙理工大学;2010年

本文编号：2612296