(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 202211273622.2 (22)申请日 2022.10.18 (71)申请人 国家林业和草原局中南调查 规划院 地址 410014 湖南省长 沙市香樟东路143号 (72)发明人 邢元军　刘恩林　宋亚斌　郭晓妮　 江腾宇　刘金山　刘晓农　胥东海　 周灯　 (74)专利代理 机构 北京金智普华知识产权代理 有限公司 1 1401 专利代理师 张晓博 (51)Int.Cl. G06V 20/10(2022.01) G06V 20/70(2022.01) G06V 10/26(2022.01) G06V 10/52(2022.01)G06V 10/80(2022.01) G06V 10/82(2022.01) (54)发明名称 一种端到端林地变化检测方法、 系统、 介质、 设备及终端 (57)摘要 本发明属于遥感影像数据处理技术领域， 公 开了一种端到端林地变化检测方法、 系统、 介质、 设备及终端， 对原始数据进行矢量栅格化以及滑 动剪裁并划分数据集； 基于深度学习体系的语义 分割技术构建林地变化检测模型； 设计复合损失 函数以及Adamw优化器， 采用空间变换和光谱变 换的增强策略进行训练迭代； 采 取多尺度策略进 行模型训练， 并在模型训练完成后进入模型实际 部署阶段。 本发明的编码器采用Transformer系 列骨干网络， 相比于传统卷积神经网络的骨干网 络， 其提取特征过程更接近于人工目视解译； 解 码器选择FPN， 该网络通过融合多尺度特征图， 保 证了低分辨率语义信息和 高分辨率空间信息的 结合使用， 实现了全局信息的有效融合。 权利要求书2页 说明书8页 附图6页 CN 115527121 A 2022.12.27 CN 115527121 A 1.一种端到端林地变化检测方法， 其特 征在于， 所述端到端林地变化检测方法包括： 对原始数据进行矢量栅格化以及滑动剪裁并划分数据集； 基于深度学习体系的语义分 割技术构建林地变化检测模型； 设计损失函数与优化器， 采用数据增强策略训练数据集； 训 练模型并在模型训练完成后进入 模型实际部署阶段。 2.如权利要求1所述的端到端林地变化检测方法， 其特征在于， 所述端到端林地变化检 测方法包括以下步骤： 步骤一， 数据预处 理： 进行矢量 栅格化以及滑动剪 裁并划分数据集； 步骤二， 模型构建： 基于深度学习的语义分割技 术构建林地变化检测模型； 步骤三， 损失函数与优化器设计： 设计复合损失函数以及Adamw优化器； 步骤四， 数据增强： 采用空间变换和光谱变换的增强策略进行训练迭代； 步骤五， 模型训练： 采取多尺度策略进行 林地变化检测模型的训练； 步骤六， 模型部署： 使用有重 叠区域的滑动窗口对待预测影 像进行预测。 3.如权利要求2所述的端到端林地变化检测方法， 其特征在于， 所述步骤一中的数据 预 处理包括： 原始遥感影像数据包括： 经过地理配准的两幅不同时相的遥感影像、 人工目视解译勾 绘的变化图斑， 所述数据预处 理步骤如下： (1)变化图斑矢量 栅格化， 像元分辨 率与遥感影 像保持一 致； (2)两幅不同时相的遥感影像按时间分为前时相影像与后时相影像， 与变化图斑的栅 格化数据一同裁剪为256 ×256分辨率大小的图像集， 裁剪时采用滑动窗口策 略， 根据数据 量适当保留30～50％的重叠区域以消除裁剪边界对模型训练效果的影响； 裁剪过程中， 保 证各组图像在原 始影像中的位置一 一对应； (3)按照训练集： 测试集： 验证集 ＝8： 1： 1的比例， 对应划分数据集。 4.如权利要求2所述的端到端林地变化检测方法， 其特征在于， 所述步骤二中的模型构 建包括： 所述林地变化检测模型基于深度学习体系的语义分割技术， 使用标准的编码器 ‑解码 器架构； 编码器部分采用Swin  Transformer系列骨干网络作为特征提取手段， 解码器部分 采用特征金字塔网络FPN用于特征恢复； 在解码器末端， 基于对象上下文技术的OCR分割头 被用于精细化变化区域的边界； 所述步骤三中的损失函数与优化器设计包括： 所述损失函数为复合损失函数， 包括Dice  Loss和Focal Loss， 表示为： L＝Lfocal+Ldice； Focal Loss和Dice Loss的计算公式为： Lfocal＝‑α(1‑pt)γlog(pt)； 式中， α， γ为控制样本权重的超 参数， 默认为0.2 5和2； p为概率； 为变化图； Y为地面 真权　利　要　求　书 1/2 页 2 CN 115527121 A 2值； 采用的优化器为Adamw， 学习率衰减策略为带有热重启的余弦衰减法， 初始学习率默认 为1e‑3。 5.如权利要求2所述的端到端林地变化检测方法， 其特征在于， 所述步骤四中的数据增 强包括： 所述数据增强策略包括空间变换和光谱变换， 空间方面采用水平、 垂直翻转， 光谱方面 采用随机高斯噪声； 在训练迭代过程中， 随机选取空间变换和光谱变换进行组合， 并使用 Cutmix在不同训练批次中进行 数据的二次增强。 6.如权利要求2所述的端到端林地变化检测方法， 其特征在于， 所述步骤五中的模型训 练包括： 在林地变化检测模型训练阶段， 采取多尺度 策略提高模型对于不同尺度变化 区域的泛 化性， 模型在前向传播的过程中额外输出软对象区域用于深监督训练； 在 模型训练过程中， 以测试集的F1分数作为模型效果的评价指标； 所述步骤六中的模型部署包括： 模型训练完成后进入实际部署阶段， 使用有重叠区域的滑动窗口对两幅待预测影像进 行预测； 预测阶段将测试时增强TTA作为可选项， 用于增强模型预测效果； 在预测的最终阶 段集成结果后处 理与结果矢量 化， 用于复核检验。 7.一种应用如权利要求1～6任意一项所述的端到端林地变化检测方法的端到端林地 变化检测系统， 其特 征在于， 所述端到端林地变化检测系统包括： 数据预处 理模块， 用于对原 始数据矢量 栅格化以及滑动剪 裁并划分数据集； 模型构建模块， 用于基于深度学习的语义分割技 术构建林地变化检测模型； 损失函数与优化器设计模块， 用于设计复合损失函数以及Adamw优化器； 数据增强模块， 用于采用空间变换和光谱变换的增强策略进行训练迭代； 模型训练模块， 用于采取多尺度策略进行 林地变化检测模型的训练； 模型部署模块， 用于使用有重 叠区域的滑动窗口对待预测影 像进行预测。 8.一种计算机设备， 其特征在于， 所述计算机设备包括存储器和处理器， 所述存储器存 储有计算机程序， 所述计算机程序被所述处理器执行时， 使得所述处理器执行如权利要求 1 ～6任意一项所述的端到端林地变化检测方法的步骤。 9.一种计算机可读存储介质， 存储有计算机程序， 所述计算机程序被处理器执行时， 使 得所述处理器执行如权利要求1～6任意 一项所述的端到端林地变化检测方法的步骤。 10.一种信息数据处理终端， 其特征在于， 所述信息数据处理终端用于实现如权利要求 7所述的端到端林地变化检测系统。权　利　要　求　书 2/2 页 3 CN 115527121 A 3