公开(公告)号：CN112215059B

公开(公告)日：2023-10-27

申请号：CN202010873246.5

申请日：2020-08-26

Applicant: 厦门大学

Inventor： 陈龙彪 ,  陆晨晖 ,  袁方旭 ,  王程

IPC: G06V20/10 ,  G06V10/774 ,  G06V20/52 ,  G06V10/44 ,  G06T7/11

Abstract: 本发明提供一种基于深度学习的城中村识别和人口估计方法、系统级计算机可存储介质，其中方法包括城中村识别阶段和城中村人口估计阶段，所述城中村识别阶段：提取城市路网图，使用opencv python包在路网图上提取路网轮廓，在遥感卫星图像上切割出图像块；对切割出的图像块进行城中村标注，选取样本构成训练样本集，使用Mask‑RCNN模型进行训练和预测，获取城市遥感卫星图像上的城中村分布图；所述城中村人口估计阶段：在城市遥感卫星图像上的城中村分布图中切割出每一个城中村遥感卫星图像，计算得到房屋容量特征、人群移动特征和区域功能特征；将三者作为输入，利用残差网络模型训练和预测城中村人口数量。本发明提供的方法，具有高效、低耗的优点，同时也达到了较高的识别和估计准确率。

公开(公告)号：CN112215059A

公开(公告)日：2021-01-12

申请号：CN202010873246.5

申请日：2020-08-26

Applicant: 厦门大学

Inventor： 陈龙彪 ,  陆晨晖 ,  袁方旭 ,  王程

IPC: G06K9/00 ,  G06K9/46 ,  G06K9/62 ,  G06T7/11

Abstract: 本发明提供一种基于深度学习的城中村识别和人口估计方法、系统级计算机可存储介质，其中方法包括城中村识别阶段和城中村人口估计阶段，所述城中村识别阶段：提取城市路网图，使用opencv python包在路网图上提取路网轮廓，在遥感卫星图像上切割出图像块；对切割出的图像块进行城中村标注，选取样本构成训练样本集，使用Mask‑RCNN模型进行训练和预测，获取城市遥感卫星图像上的城中村分布图；所述城中村人口估计阶段：在城市遥感卫星图像上的城中村分布图中切割出每一个城中村遥感卫星图像，计算得到房屋容量特征、人群移动特征和区域功能特征；将三者作为输入，利用残差网络模型训练和预测城中村人口数量。本发明提供的方法，具有高效、低耗的优点，同时也达到了较高的识别和估计准确率。