(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210725389.0 (22)申请日 2022.06.24 (71)申请人 浪潮电子信息产业股份有限公司 地址 250101 山东省济南市高新区浪潮路 1036号 (72)发明人 黄伟　阚宏伟　王彦伟　朱克峰　 (74)专利代理 机构 北京集佳知识产权代理有限 公司 11227 专利代理师 王晓坤 (51)Int.Cl. G06T 7/181(2017.01) G06T 7/13(2017.01) G06V 10/25(2022.01) G06V 10/26(2022.01) G06V 10/44(2022.01)G06V 10/764(2022.01) G06V 10/82(2022.01) G06N 3/08(2006.01) G06N 3/04(2006.01) (54)发明名称 一种建筑物矢量轮廓图绘制方法、 装置、 设 备及介质 (57)摘要 本申请公开了一种建筑物矢量轮廓图绘制 方法、 装置、 设备及介质， 涉及人工智能与 深度神 经网络领域， 包括： 获取建筑物图像， 并对所述建 筑物图像进行图像处理， 以得到所述建筑物图像 的特征图； 对所述特征图进行初始化操作， 以得 到初始化特征图， 并对所述特征图进行边缘检测 处理， 以得到处理后特征图； 调用第一损失函数 对所述初始化特征图和所述处理后特征图进行 第一次训练， 以得到概率图， 调用第二损失函数 并利用预先建立的循环神经网络， 对 所述概率图 进行第二次训练， 以得到所述建筑物图像的矢量 轮廓图。 通过本申请的上述技术方案， 能够有效 提升增加建筑物矢量轮廓图绘制的准确性， 提高 建筑物矢量轮廓图绘制的效率。 权利要求书2页 说明书10页 附图4页 CN 114998379 A 2022.09.02 CN 114998379 A 1.一种建筑物矢量轮廓图绘制方法， 其特 征在于， 包括： 获取建筑物图像， 并对所述建筑物图像进行图像处理， 以得到所述建筑物图像的特征 图； 对所述特征图进行初始化操作， 以得到初始化特征图， 并对所述特征图进行边缘检测 处理， 以得到处 理后特征图； 调用第一损失函数对所述初始化特征图和所述处理后特征图进行第 一次训练， 以得到 概率图， 调用第二损失函数并利用预先建立的循环神经网络， 对所述概率图进行第二次训 练， 以得到所述建筑物图像的矢量轮廓图。 2.根据权利要求1所述的建筑物矢量轮廓图绘制方法， 其特征在于， 所述获取建筑物图 像， 并对所述建筑物图像进行图像处 理， 以得到所述建筑物图像的特 征图， 包括： 通过卷积神经网络的主干网络获取 所述建筑物图像； 利用区域提议网络和感兴趣区域特征对齐层获取所述建筑物图像， 并对所述建筑物图 像进行图像处 理， 以得到固定大小的所述建筑物图像的特 征图。 3.根据权利要求1所述的建筑物矢量轮廓图绘制方法， 其特征在于， 所述对所述特征图 进行初始化操作， 以得到初始化特 征图， 包括： 利用实例掩膜分支对所述特征图进行语义分割操作， 以得到第一初始化子特征图， 利 用目标检测框回归分支和目标物体分类分支对所述特征图进 行相应的处理， 以得到第二初 始化子特 征图； 基于所述第一初始化子特 征图和所述第二初始化子特 征图确定出 所述初始化特 征图。 4.根据权利要求3所述的建筑物矢量轮廓图绘制方法， 其特征在于， 所述调用第 一损失 函数对所述初始化特 征图和所述处 理后特征图进行第一次训练， 包括： 分别确定出针对所述实例掩膜分支 的损失函数、 针对所述目标检测框回归分支、 针对 所述目标物体分类分支的损失函数以及针对边缘检测处理的损失函数， 以得到第一损失函 数； 调用第一损失函数对所述初始化特 征图和处 理后特征图进行第一次训练。 5.根据权利要求3所述的建筑物矢量轮廓图绘制方法， 其特征在于， 所述对所述初始化 特征图和所述处 理后特征图进行第一次训练， 以得到概 率图， 包括： 将所述第二初始化子特征图按照预设缩放尺度对卷积特征进行截取， 以得到截取后携 带检测框的特 征图； 将所述截取后携带检测框的特征图和所述处理后特征图进行拼接， 并结合所述第 一初 始化子特 征图确定出概 率图。 6.根据权利要求1至5任一项所述的建筑物矢量轮廓图绘制方法， 其特征在于， 所述得 到所述建筑物图像的矢量轮廓图， 包括： 得到包含携带检测框的建筑物的坐标向量、 携带检测框的建筑物的实例类别和单个建 筑物角点 坐标序列的矢量轮廓图。 7.根据权利要求1所述的建筑物矢量轮廓图绘制方法， 其特征在于， 所述调用第 二损失 函数并利用预 先建立的循环神经网络， 对所述 概率图进行第二次训练， 包括： 利用预先建立的角点序列分支分别确定出建筑物矢量轮廓多边形整体的损失函数、 建 筑物矢量轮廓起始点 坐标位置的损失函数以及辅助损失函数， 以得到所述第二损失函数；权　利　要　求　书 1/2 页 2 CN 114998379 A 2调用所述第 二损失函数并利用预先建立的循环神经网络， 按照预设训练参数对所述概 率图进行第二次训练。 8.一种建筑物矢量轮廓图绘制装置， 其特 征在于， 包括： 特征图确定模块， 用于获取建筑物图像， 并对所述建筑物图像进行图像处理， 以得到所 述建筑物图像的特 征图； 初始化模块， 用于对所述特征图进行初始化操作， 以得到初始化特征图， 并对所述特征 图进行边 缘检测处 理， 以得到处 理后特征图； 训练模块， 用于调用第 一损失函数对所述初始化特征图和所述处理后特征图进行第 一 次训练， 以得到概率图， 调用第二损失函数并利用预先建立的循环神经网络， 对 所述概率图 进行第二次训练， 以得到所述建筑物图像的矢量轮廓图。 9.一种电子设备， 其特 征在于， 包括： 存储器， 用于保存计算机程序； 处理器， 用于执行所述计算机程序， 以实现如权利要求1至7任一项所述的建筑物矢量 轮廓图绘制方法。 10.一种计算机可读存储介质， 其特征在于， 用于保存计算机程序； 其中， 所述计算机程 序被处理器执行时实现如权利要求1至7任一项所述的建筑物矢量轮廓图绘制方法。权　利　要　求　书 2/2 页 3 CN 114998379 A 3