(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 202211163029.2 (22)申请日 2022.09.23 (71)申请人 武汉大学 地址 430072 湖北省武汉市武昌区珞珈山 街道八一路2 99号 (72)发明人 王俊珏　钟燕飞　马爱龙　郑卓　 张良培　 (74)专利代理 机构 武汉科皓知识产权代理事务 所(特殊普通 合伙) 42222 专利代理师 王琪 (51)Int.Cl. G06V 20/17(2022.01) G06V 10/764(2022.01) G06V 10/774(2022.01) G06T 11/60(2006.01) (54)发明名称 一种基于层次化密集架构搜索的遥感灾害 场景制图方法 (57)摘要 本发明涉及一种基于层次化密集架构搜索 的遥感灾害场景制图方法， 用于复杂多灾害场景 的地表覆盖制图与损毁评估， 辅助灾害应急相应 与决策。 设计高效层次化密集架构搜索框架， 搜 索阶段结合现有各类深度编码器， 自适应优化多 尺度密集解码器架构参数， 以满足当前场景各类 受灾地物特征高效融合， 通过广度优 先解码最优 解码架构； 训练阶段通过迁移深度编码器模型参 数， 联合搜索得到的解码结构， 实现高效模型训 练。 本发明能够解决复杂灾害场景网络架构设计 难度高， 时间成本昂贵等问题， 无须人工设计深 度解译架构， 面对各类灾害或其他复杂场景均能 实现数据到解译结果的高效全自动化。 权利要求书2页 说明书5页 附图2页 CN 115512246 A 2022.12.23 CN 115512246 A 1.一种基于层次化密集架构搜索的遥感灾害场景制图方法， 其特征在于， 包括以下步 骤： 步骤1， 构建灾害场景地表覆盖分类影像样本库， 收集灾害受击后的高分辨率遥感影 像， 按比例划分训练集、 验证集与测试集， 并对所有影像数据进行归一化， 对训练集进行数 据增强； 步骤2， 构建层次化密集搜索空间用于解码架构搜索， 层次化密集搜索空间包含密集连 接的层级搜索空间与多尺度算子集搜索空间； 通过结合现有优秀的深度编码模型， 在训练 集上实现解码架构可微分搜索， 并利用多尺度融模块对解码架构 输出的多尺度特征进 行融 合， 获取最终制图概 率输出； 步骤3， 基于编码器权重迁移的模型训练， 通过步骤2中搜索到的解码器架构参数， 利用 广度优先算法解码最优解码架构， 结合编码器模型权重， 在特定灾害任务上实现模型重训 练； 步骤4， 基于训练后的编码 ‑解码模型， 对未标记大范围灾害场景进行地表覆盖制图与 损毁评估， 预测分类概 率获取制图结果。 2.根据权利要求1所述的一种基于层次化密集架构搜索的遥感灾害场景制图方法， 其 特征在于： 步骤1的具体实现包括如下子步骤， 步骤1.1， 根据典型自然灾害： 飓风、 洪涝、 地震、 火山喷发， 利用无人机或者卫星平台收 集灾后区域高分辨 率遥感影 像； 步骤1.2， 根据受灾后感兴趣地物进行损毁评级， 并进行像素级标注， 包含以下类别： 废 墟、 水域、 未受损建筑物、 中度受损建筑物、 高度受损建筑物、 完全损毁建筑物、 车辆、 船舶、 道路、 树木、 泳池、 沙 土； 步骤1.3， 对所有影像与标注掩膜进行裁剪， 并划分为训练、 验证与测试集， 对所有影像 数据进行归一 化， 并利用随机翻转、 随机色彩扰动、 随机尺度放缩 对训练集进行 数据增强。 3.根据权利要求1所述的一种基于层次化密集架构搜索的遥感灾害场景制图方法， 其 特征在于： 步骤2的具体实现包括如下子步骤， 步骤2.1， 设计密集连接的层级搜索空间， 该空间用于寻找解码架构中最优的特征空间 分辨率转移路径； 现有深度学习编码器均具有四种尺度的特征输出， 分别为： {c1,c2,c3, c4}， 其空间分辨率分别为原始图像的{1/4,1/8,1/16,1/32 }， 所述密集连接的层级搜索空 间涵盖各种尺度特征交互的所有路径， 针对该空间第一层连接， 可以表示为： 其中α为架构参数， 表示前层输出的权重或者连接强度， 代表多尺度算子融合策略， 每一 层有四个不同尺度的节点； 针对第二层或更多后续层l， 则其中节点连接表达公式如下： 其中l≥1， 代表当前层在搜索 空间中深度， α 基于softmax函数归一化， ni代 表前层节点的特 征输出{ni|i＝5,6,7,. ..,4l}， i代表前层输出编号； 步骤2.2， 设计多尺度算子集搜索空间， 该空间中特征空间分辨率保持不变， 用于搜索 微观层次， 即节点中多尺度算子 的最优融合策略 每一个节点的算子选择与 融合策略都 是相互独立的， 从可选算子集合中选择： 全局平均池化、 3 ×3可分离卷积、 5 ×5可分离卷积、权　利　要　求　书 1/2 页 2 CN 115512246 A 27×7可分离卷积； 因此， 在某 节点内部 搜索空间表示如下： 其中β用来表示每个算子的重要 程度， x表示节点输入特征， Oj则为具体操作算子， j代表 可选搜索算子编号； 步骤2.3， 设计多尺度融合模块， 对解码架构的多尺度输出进行融合处理； 解码架构的 输出{d1,d2,d3,d4}也分为四个尺度， 分别为原始图像的{1/4,1/8,1/16,1/32}， 针对四个尺 度的输出， 分别用不同数量的上采样模块U×2(·)进行尺度变换， U×2(·)包含3×3卷积、 归 一化层、 ReLU激活函数以及一个可选的 ×2双线性上采样函数； 因此{d1,d2,d3,d4}分别由1 个U×1(·)、 1个U×2(·)、 2个U×2(·)、 3个U×2(·)处理， 将尺度统一为原始图像的1/4； 然后 将处理后的同尺度特征进行相加融合， 最终利用 ×4双线性上采样函数恢复为原始图像分 辨率大小， 然后利用1 ×1卷积将通道降维至类别数， 通过SoftMax实现分割图概 率输出； 步骤2.4， 在密集连接的层级搜索空间中， 所有 的权重与网络架构参数α与β均可微分， 能够利用梯度下降算法实现端到端优化。 4.根据权利要求3所述的一种基于层次化密集架构搜索的遥感灾害场景制图方法， 其 特征在于： 步骤3的具体实现包括如下子步骤， 步骤3.1， 根据搜索到的架构参数α与β， 首先利用广度优先算法， 基于α 所代表的连接强 度， 保留每个节点输入中强度最大的c个连接， 从而找到最优的特征空间分辨率转移路径； 基于β 所代 表的算子的重要程度， 保留每 个节点内部最重要的p个算子用于特 征融合； 步骤3.2， 利用搜索到的解码架构， 结合搜索过程中的编码器， 迁移其搜索过程中得到 的网络权重用于初始化， 在训练集 上进行重训练； 损失函 数为： Lce＝‑ylog(p)， 其中y为训练 真实标签， p为网络预测输出概 率。 5.根据权利要求1所述的一种基于层次化密集架构搜索的遥感灾害场景制图方法， 其 特征在于： 对于测试集归一化后的遥感影像， 将其输入至重训练收敛后的编码 ‑解码模型 中， 得到输出的分类概率， 通过取最大值 获取分类结果， 得到灾害场景地表覆盖与评估制图 结果， 面对新的场景与新的数据集， 可以对编码 ‑解码模型进行重新搜索与训练， 或者将现 有搜索到的编码 ‑解码模型及训练参数迁移至新的数据集上进行微调测试。权　利　要　求　书 2/2 页 3 CN 115512246 A 3