(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 202210207131.1 (22)申请日 2022.03.04 (71)申请人 中国农业科 学院农业信息 研究所 地址 100089 北京市海淀区中关村南大街 12号 (72)发明人 范蓓蕾　韦任　周清波　王玉庭　 李哲敏　 (74)专利代理 机构 北京高沃 律师事务所 1 1569 专利代理师 杜阳阳 (51)Int.Cl. G06V 20/10(2022.01) G06V 10/26(2022.01) G06V 10/42(2022.01) G06V 10/44(2022.01) G06V 10/764(2022.01)G06V 10/82(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种农村宅基地建 筑识别方法及系统 (57)摘要 本发明公开了一种农村宅基地建筑识别方 法及方法。 该方法包括： 基于包括农村宅基地的 遥感图像构建训练集； 基于Encoder ‑Decoder结 构构建MSANet网络模型； 所述MSANet网络模型采 用融合混合时空注意力机制模块的ResNet_v2_ 50为backbone； 所述MSANet网络模型中设立边界 提取模块； 通过所述训练集对所述MSANet网络模 型进行训练； 通过训练好的MSANet网络模型对待 识别的遥感图像进行农村宅基地建筑识别。 本发 明基于高分辨率遥感影像和深度学习相关技术 理论对农村宅基地的快速智能识别， 为后续对宅 基地宗数、 单宗面积及总体面积等信息的统计提 供了技术基础。 权利要求书1页 说明书7页 附图4页 CN 114708494 A 2022.07.05 CN 114708494 A 1.一种农村宅基地建筑识别方法， 其特 征在于， 包括： 基于包括农村宅基地的遥感图像构建训练集； 基于Encoder ‑Decoder结构构建MSANet网络模型； 所述MSANet网络模型采用融合混合 时空注意力机制模块的ResNet _v2_50为backbone； 所述MSANet网络模型中设立边界提取模 块； 通过所述训练集对所述MSANet网络模型进行训练； 通过训练好的MSANet网络模型对待识别的遥感图像进行农村宅基地建筑识别。 2.根据权利要求1所述的农村宅基地建筑识别方法， 其特征在于， 所述基于包括农村宅 基地的遥感图像构建训练集， 具体包括： 获取包括农村宅基地的遥感图像； 对所述遥感图像进行切分； 对切分后的图像进行图像增强处 理； 对处理后的图像进行 标注构建训练集。 3.根据权利 要求1所述的农村宅基地建筑识别方法， 其特征在于， 所述MSANet网络模型 的语义提取部分和边界提取部分的损失函数均采用带权 重的二分类交叉熵损失函数。 4.根据权利要求1所述的农村宅基地建筑识别方法， 其特征在于， 所述混合 时空注意力 机制模块包括 通道注意力模块和空间注意力机制模块。 5.一种农村宅基地建筑识别系统， 其特 征在于， 包括： 训练集构建模块， 用于基于包括农村宅基地的遥感图像构建训练集； 模型构建模块， 用于基于Encoder ‑Decoder结构构建MSANet网络模型； 所述MSANet网络 模型采用融合 混合时空注意力机制模块的ResNet_v2_50为backbone； 所述MSANet网络模型 中设立边界提取模块； 训练模块， 用于通过 所述训练集对所述MSANet网络模型进行训练； 识别模块， 用于通过训练好的MSANet网络模型对待识别的遥感图像进行农村宅基地建 筑识别。 6.根据权利要求5所述的农村宅基地建筑识别系统， 其特征在于， 所述训练集构建模块 具体包括： 图像获取 单元， 用于获取包括农村宅基地的遥感图像； 切分单元， 用于对所述遥感图像进行切分； 图像增强处 理单元， 用于对切分后的图像进行图像增强处 理； 训练集构建单 元， 用于对处 理后的图像进行 标注构建训练集。 7.根据权利 要求5所述的农村宅基地建筑识别系统， 其特征在于， 所述MSANet网络模型 的语义提取部分和边界提取部分的损失函数均采用带权 重的二分类交叉熵损失函数。 8.根据权利要求5所述的农村宅基地建筑识别系统， 其特征在于， 所述混合 时空注意力 机制模块包括 通道注意力模块和空间注意力机制模块。权　利　要　求　书 1/1 页 2 CN 114708494 A 2一种农村宅基地建筑识别方 法及系统 技术领域 [0001]本发明涉及建筑识别技术领域， 特别是涉及一种农村宅基地建筑识别方法  及系 统。 背景技术 [0002]《关于进一步加强农村宅基地管理的通知》 中指出要严格落实 “一户一宅 ”  规定， 农村村民一户只能拥有一处宅基地， 面积不得超过本省、 自治区、 直辖  市规定的标准， 严禁 城镇居民购买宅基地。 《关于做好农村宅基地制度改革试  点地区宅基地基础信息调查工作 的通知》 中指出要综合运用遥感、 测绘、 互联  网、 大数据、 云计算、 人工智能等信息技术开展 宅基地基础信息调查工作， 全  面摸清县域宅基地规模、 布局、 权属、 利用状况等基础信息， 为深化农村宅基  地制度改革试点 提供支撑 。 [0003]然而， 当前对农村宅基地宗数、 面积等信息的调查主要采用人工目视解译、  实地 测绘等传统方法。 但 这种方法工作量大， 周期 长， 出图效率低， 很难满足  国家对宅基地统计 和管理的需求。 发明内容 [0004]本发明的目的是提供一种农村宅基地建筑识别方法及系统， 基于高分辨率  遥感 影像和深度学习相关技术理论对农村宅基地的快速智能识别， 为后续对宅  基地宗数、 单宗 面积及总体面积等信息的统计提供了技 术基础。 [0005]为实现上述目的， 本发明提供了如下 方案： [0006]一种农村宅基地建筑识别方法， 包括： [0007]基于包括农村宅基地的遥感图像构建训练集； [0008]基于Encoder ‑Decoder结构构建MSANet网络模型； 所述MSA Net网络模  型采用融合 混合时空注意力机制模块的ResNet_v2_50为backbone； 所述  MSANet网络模型中设立边界 提取模块； [0009]通过所述训练集对所述MSANet网络模型进行训练； [0010]通过训练好的MSANet网络模型对待识别的遥感图像进行农村宅基地建  筑识别。 [0011]可选地， 所述基于包括农村宅基地的遥感图像构建训练集， 具体包括： [0012]获取包括农村宅基地的遥感图像； [0013]对所述遥感图像进行切分； [0014]对切分后的图像进行图像增强处 理； [0015]对处理后的图像进行 标注构建训练集。 [0016]可选地， 所述MSANet网络模型的语义提取部分和边界提取部分的损失函  数均采 用带权重的二分类交叉熵损失函数。 [0017]可选地， 所述混合时空注意力机制模块包括通道注意力模块和空间注意力  机制 模块。说　明　书 1/7 页 3 CN 114708494 A 3