(19)中华 人民共和国 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 202210078900.2 (22)申请日 2022.01.24 (71)申请人 长江水利委员会长江科 学院 地址 430014 湖北省武汉市江岸区黄浦大 街23号长江水利委员会长江科 学院 (72)发明人 蒲坚　王志刚　许文盛　李建明　 刘晨曦　王一峰　杨贺菲　王可　 孙蓓　沈盛彧　牛俊　刘纪根　 (74)专利代理 机构 北京方圆嘉 禾知识产权代理 有限公司 1 1385 代理人 王月松 (51)Int.Cl. G06V 20/10(2022.01) G06V 10/44(2022.01) G06V 10/26(2022.01)G06V 10/764(2022.01) G06V 10/82(2022.01) G06V 10/766(2022.01) G06T 7/62(2017.01) G06T 7/00(2017.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种场景检测基准模 型训练方法、 系统及应 用方法 (57)摘要 本发明涉及一种场景检测基准模型训练方 法、 系统及应用方法， 通过本发明能够精准有效 识别出在建生产建设项目， 通过与全国水土保持 监督管理系统已录入上报的水土保持方案和水 土保持防治责任 范围核对， 可以确定该生产建设 项目是否违规未批先建和扰动超出防治责任范 围， 从而实现生产建 设项目的全覆盖监管。 权利要求书3页 说明书10页 附图7页 CN 114429586 A 2022.05.03 CN 114429586 A 1.一种场景检测基准模型训练方法， 其特 征在于， 包括以下步骤： 获取原始遥感图像； 对所述原始遥感图像中的生产建设项目及其内部的细部地物进行标注， 所述标注为候 选框； 以所述原始遥感图像为输入， 以所述原始遥感图像中的生产建设项目的标注为标签对 生产建设项目检测器进行训练， 得到生产建设项目检测基准模型， 所述生产建设项目检测 器为Faster  RCNN检测网络； 计算所述样本数据集中各细部地物的信息量； 以所述原始遥感图像为输入， 以所述原始遥感图像中的高信 息量细部地物的标注为标 签对细部地物检测器进行训练， 得到细部地物检测基准模型， 所述细部地物检测器为 Faster RCNN检测网络， 所述高信息量细部地物为信息量大于预设阈值的细部地物。 2.根据权利要求1所述的场景检测基准模型训练方法， 其特征在于， 对所述原始遥感图 像中的生产建 设项目及其内部的细部地物进行 标注， 具体包括： 使用最小外 接矩形框标注生产建 设项目； 使用最小外 接矩形框或语义分割方法标注生产建 设项目内部的多种相关细部地物。 3.根据权利要求1所述的场景检测基准模型训练方法， 其特征在于， 所述Faster  RCNN 检测网络包括： 特征提取模块、 区域候选网络模块、 感兴趣区域池化模块及分类和回归网络 模块； 所述特征提取模块， 用于提取输入图像的特 征图； 所述区域 候选网络模块， 用于利用深度学习算法生成候选 框； 所述感兴趣区域池化模块， 用于将所述候选框对应到相应的特征图上， 得到相应候选 框的特征图； 所述分类和回归网络模块， 用于利用所述候选框的特征图来对分类候选框的边界进行 回归， 得到检测结果。 4.根据权利要求1所述的场景检测基准模型训练方法， 其特征在于， 计算所述样本数据 集中各细部地物的信息量， 具体包括： 通过以下公式计算各细部地物的信息量： Ci＝Ni*wi 式中， Ci为各细部地物类型的信息量， Ni所有生产建设项目样本框中第i种细部地物的 数量， wi为权重； 其中， TFi为第i种细部地物出现的频率， IDFi 为逆文件频率， Ni是第i类细部 地物的数量， N 是所有细部 地物的数量， Yi是第i类细部地物的 平均面积， Y是生产建 设项目的平均面积。 5.一种场景检测基准模型的应用方法， 其特 征在于， 包括以下步骤： 获取遥感图像； 将所述遥感图像分别 输入生产建设项目检测基准模型和细部地物检测基准模型， 得到 实际生产建设项目的初步检测结果和实际细部地物的初步检测结果， 其中， 所述生产建设 项目检测基准模型和所述细部地物检测基准模型为通过权利要求 1训练所得到的场景检测 基准模型； 所述 实际生产建设项目的初步检测结果为若干个实际生产建设项目候选框及其权　利　要　求　书 1/3 页 2 CN 114429586 A 2对应的置信度， 所述 实际细部地物的初步检测结果为若干个实际细部地物候选框及其对应 的置信度； 判断是否存在相交的实际生产建 设项目候选 框； 若是， 则将相交的实 际生产建设项目候选框进行合并， 得到若干个合并后的实 际生产 建设项目候选 框； 将若干个所述合并后的实 际生产建设项目候选框和未合并的实际生产建设项目候选 框定义为新的生产建 设项目候选 框； 计算每一所述实际细部地物候选框与对应的所述新的生产建设项目候选框相交的部 分占对应的所述 新的生产建 设项目候选 框的比例； 根据所述比例、 所述实际细部地物候选框的置信度和所述新的生产建设项目候选框的 置信度， 得到最终生产建 设项目候选 框的置信度。 6.根据权利要求5所述的场景检测基准模型的应用方法， 其特征在于， 所述将相交 的实 际生产建设项目候选框进行合并， 得到若干个合并后的实际生产建设项目候选框， 具体包 括： 通过以下公式计算 合并后的实际生产建 设项目候选 框对应的置信度： Conf3＝(Co nf1*S1+Co nf2*S2)/S3 式中， S1为相交候选框中其中一个候选框的面积， S2为相交候选框中另一个候选框的 面积， S3为合并后的候选框的面积， Conf1为相交候选框中其中一个候选框的置信度， Conf2 为相交候选框中另一个候选框的置信度， Conf3为合并后的实际生产建设项目候选框对应 的置信度。 7.根据权利要求5所述的场景检测基准模型的应用方法， 其特征在于， 根据所述比例、 所述实际细部地物候选框的置信度和所述新的生产建设项目候选框的置信度， 得到最终生 产建设项目候选 框的置信度， 具体包括： 通过以下公式确定所述 最终生产建 设项目候选 框的置信度： 式中， Conf为最终生产建设项目候选框的置信度， γ为超参数， Confx为新的生产建设 项目候选框的置信度， Confi为候选框内第i个细部地物的置信度， i为第i个细部地物， IOPi 为第i个细部地物候选框与对应的新的生产建设项目候选框相交的部 分占对应的新的生产 建设项目候选框的比例； 其中， B1为生产建设项目检测基准模型检测 到的生产建 设项目候选 框， B2为细部地物检测基准模型检测到的细部地物候选 框。 8.一种场景检测基准模型训练系统， 其特 征在于， 包括： 原始遥感图像获取模块， 用于获取原 始遥感图像； 标注模块， 用于对所述原始遥感图像中的生产建设项目及其内部的细部地物进行标 注， 所述标注为 候选框； 生产建设项目检测基准模型训练模块， 用于以所述原始遥感图像为输入， 以所述原始 遥感图像中的生产建设项目的标注为标签对生产建设项目检测器进行训练， 得到生产建设 项目检测基准模型， 所述 生产建设项目检测器为FasterRCN N检测网络；权　利　要　求　书 2/3 页 3 CN 114429586 A 3