买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉宁波上航测绘有限公司申请的专利一种基于机器学习的航空影像建筑物轮廓提取方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114821290B 。

龙图腾网通过国家知识产权局官网在2025-07-01发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210104501.9，技术领域涉及：G06V20/10；该发明授权一种基于机器学习的航空影像建筑物轮廓提取方法是由沈立祥;王正虎;王亚章;秦江涛;孙佳龙;于浩;夏天钰;王秋雅;骆剑波;袁淑婷设计研发完成，并于2022-01-28向国家知识产权局提交的专利申请。

本一种基于机器学习的航空影像建筑物轮廓提取方法在说明书摘要公布了：本发明公开了一种基于机器学习的航空影像建筑物轮廓提取方法，包括：步骤一：制作航空影像建筑物轮廓数据集；步骤二：将数据集输入到Self‑net模型中进行训练，Self‑net模型包括四组下采样块和四组上采样块；步骤三：将获取结果进行验证，计算模型的损失值，最终与真实值进行对比计算，将误差传播回模型，不断更新模型，进行往复学习；步骤四：最终模型对数据进行卷积分类，将数据输出。本发明实现了数据集可自定义分辨率输出，轮廓更加规则整齐，相对于其他手段可以全自动的进行数据集制作；改进后的模型在本数据集中整体效果优于原始模型，在本数据集及本次初始化参数情况下，初始精度较高，在较少周期内可达到较高的训练精度。

本发明授权一种基于机器学习的航空影像建筑物轮廓提取方法在权利要求书中公布了：1.一种基于机器学习的航空影像建筑物轮廓提取方法，其特征是：包括以下步骤： 步骤一：制作自定义分辨率航空影像建筑物轮廓数据集，包括以下步骤： S1读取原始文件； S1.1读取shapefile文件，获取到shp对应的信息，包括坐标系信息以及坐标最值：Xmin、Xmax、Ymin和Ymax； S1.2读取原图像文件，获取到图像的坐标系信息，影像的地面分辨率gsd； S2计算像幅大小； S2.1根据S1获取到的两坐标系，计算坐标系转换参数，将shp文件投影到原图像的坐标系上，使坐标系统一； S2.2根据下式计算后的坐标最值计算出像幅大小，构建空白像幅： 其中： W代表图像的宽度，即横向像素的个数； H代表图像的高度，即纵向像素的个数； gsd为影像的地面分辨率； S3逐个获取shapefile的要素对象； S3.1获取shapefile要素对象集； S3.2逐个获取要素对象，并得到要素对象对应的点集； S3.3逐个计算点集中各个点在空白像幅中的位置： 其中：点集用points表示，Pi∈points，Pix表示Pi点的x坐标值，Piy表示Pi点的y坐标值； S3.4直到所有数据绘制完成为止； S4保存对应的图像； S4.1保存刚绘制完成的样本标签图像； S4.2根据计算后的坐标最值，裁剪出原始图像对应区域； S4.3根据所定义的数据集图幅大小进行数据输出； 步骤二：将数据集输入到Self-net模型中进行训练，Self-net模型包括四组下采样块和四组上采样块，所述下采样块由卷积层、激活层、归一化处理层三个层构成，所述的上采样块由上采样层、跳跃连接层和一个下采样块构成，训练过程包括： 将数据集输入到下采样块中，实现数据的降采样，每组下采样块通过池化层进行连接，对数据进行特征提取，用池化所得到的数据作为下一个下采样块的输入，对数据进行多次连续下采样；对下采样块最后输出的数据进行上采样操作，每组上采样块通过一次卷积进行连接，将每一个层的输出作为下一个层的输入进行相关联，对模型从输入到输出形成一个闭合环，对代码块进行组合使模型形成一个端到端的处理流程； 步骤三：将步骤二获取的结果进行验证，计算模型的损失值，最终与真实值进行对比计算，将误差传播回模型，重复步骤二，从而不断的更新模型，进行往复的学习； 步骤四：最终模型对数据进行卷积分类，将数据输出展示。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人宁波上航测绘有限公司，其通讯地址为：315000 浙江省宁波市镇海区沿江东路221号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。