CN113762222B - 地物要素的处理方法、装置、存储介质和处理器 - Google Patents

地物要素的处理方法、装置、存储介质和处理器 Download PDF

Info

Publication number
CN113762222B
CN113762222B CN202111311198.1A CN202111311198A CN113762222B CN 113762222 B CN113762222 B CN 113762222B CN 202111311198 A CN202111311198 A CN 202111311198A CN 113762222 B CN113762222 B CN 113762222B
Authority
CN
China
Prior art keywords
target
feature
image
ground
feature element
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202111311198.1A
Other languages
English (en)
Other versions
CN113762222A (zh
Inventor
杨喆
王志斌
李�昊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Alibaba Damo Institute Hangzhou Technology Co Ltd
Original Assignee
Alibaba Damo Institute Hangzhou Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Alibaba Damo Institute Hangzhou Technology Co Ltd filed Critical Alibaba Damo Institute Hangzhou Technology Co Ltd
Priority to CN202111311198.1A priority Critical patent/CN113762222B/zh
Publication of CN113762222A publication Critical patent/CN113762222A/zh
Application granted granted Critical
Publication of CN113762222B publication Critical patent/CN113762222B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种地物要素的处理方法、装置、存储介质和处理器。其中，该方法包括：在显示界面显示地物分类模型；响应用户选择地物分类模型的选择指令，将地物分类模型作为预训练模型；将多张样本影像输入地物分类模型,在显示界面上显示地物分类模型识别出的包括目标地物类型的目标样本影像；在显示界面上对目标样本影像中的目标地物要素进行标注，得到标注后的目标样本影像；在显示界面上显示采用标注后的目标样本影像对地物分类模型进行训练生成的地物要素识别模型，其中，地物要素识别模型用于识别影像中的目标地物要素。本发明解决了相关技术中对地物要素的处理效率较低的技术问题。

Description

地物要素的处理方法、装置、存储介质和处理器
技术领域
本发明涉及遥感图像处理技术领域，具体而言，涉及一种地物要素的处理方法、装置、存储介质和处理器。
背景技术
单要素提取任务定义相对简单，但由于特定类别的地物要素繁多，需求定制化程度高，现有技术中难以为每一个特定地物要素都提前开发好一个算法模型。因此，针对地物要素的提取，现有技术中通常是从零开始进行样本标注，但该方式需要大量的人工标注。地物要素识别模型的训练通常采用人工标注的样本从随机初始化状态开始训练，该方法需要更多迭代次数，耗时较长，因此，相关技术中对地物要素的处理效率较低。
针对上述的问题，目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种地物要素的处理方法、装置、存储介质和处理器，以至少解决相关技术中对地物要素的处理效率较低的技术问题。
根据本发明实施例的一个方面，提供了一种地物要素的处理方法，包括：在显示界面显示地物分类模型；响应用户选择地物分类模型的选择指令，将地物分类模型作为预训练模型；将多张样本影像输入地物分类模型,在显示界面上显示地物分类模型识别出的包括目标地物类型的目标样本影像，其中，目标地物类型中包括目标地物要素；在显示界面上对目标样本影像中的目标地物要素进行标注，得到标注后的目标样本影像；在显示界面上显示采用标注后的目标样本影像对地物分类模型进行训练生成的地物要素识别模型，其中，地物要素识别模型用于识别影像中的目标地物要素。
进一步地，在显示界面上采用标注后的目标样本影像对地物分类模型进行训练，生成地物要素识别模型之后，该方法还包括：在显示界面上显示在目标区域内拍摄得到的多张影像；将多张影像输入地物要素识别模型，在显示界面上显示包括目标地物要素的目标影像；在显示界面上显示目标区域内目标地物要素的目标信息，其中，目标信息由目标影像上的目标地物要素的信息确定。
进一步地，在显示界面上显示目标区域内目标地物要素的目标信息之前，该方法还包括：确定目标影像上目标地物要素所占的影像区域；依据目标地物要素所占的影像区域，确定目标区域内的目标地物要素当前所占的面积；获取预设时间段之前目标区域内目标地物要素所占的面积；将预设时间段之前目标区域内目标地物要素所占的面积与目标区域内的目标地物要素当前所占的面积进行比较分析，确定目标区域内目标地物要素的变化信息；将目标区域内目标地物要素的变化信息作为目标信息。
进一步地，在显示界面上显示目标区域内目标地物要素的目标信息之后，该方法还包括：在变化信息指示变化比例超过预设比例时，在显示界面显示提醒信息，以提醒目标对象。
根据本发明实施例的另一方面，还提供了一种地物要素的处理方法，包括：获取在目标区域内拍摄得到的多张影像；将多张影像输入地物要素识别模型，以识别出包括目标地物要素的目标影像，其中，将地物分类模型作为预训练模型，对多张样本影像进行分类，以识别出包括目标地物类型的目标样本影像，对目标样本影像中的目标地物要素进行标注，采用标注后的目标样本影像进行训练得到的地物要素识别模型，目标地物类型中包括目标地物要素；基于目标影像上的目标地物要素的信息，确定目标区域内目标地物要素的目标信息。
进一步地，基于目标影像上的目标地物要素的信息，确定目标区域内目标地物要素的目标信息包括：确定目标影像上目标地物要素所占的影像区域；依据目标地物要素所占的影像区域，确定目标区域内目标地物要素当前所占的面积；获取预设时间段之前目标区域内目标地物要素所占的面积；将预设时间段之前目标区域内目标地物要素所占的面积与目标区域内目标地物要素当前所占的面积进行比较分析，确定目标区域内目标地物要素的变化信息；将变化信息作为目标信息。
进一步地，在确定目标区域内目标地物要素的变化信息之后，该方法还包括：在变化信息指示变化比例超过预设比例时，触发提醒信息至目标对象。
根据本发明实施例的另一方面，还提供了一种地物要素的处理方法，包括：获取在目标区域内对建筑物拍摄得到的多张影像；将多张影像输入地物要素识别模型，以识别出包括目标地物要素的目标影像，其中，将地物分类模型作为预训练模型，对多张样本影像进行分类，以识别出包括目标地物类型的目标样本影像，对目标样本影像中的目标地物要素进行标注，采用标注后的目标样本影像进行训练得到的地物要素识别模型，目标地物类型中包括目标地物要素；基于目标影像上的目标地物要素的信息，确定目标区域内建筑物的目标信息。
根据本发明实施例的另一方面，还提供了一种地物要素的处理方法，包括：获取在目标区域内对农业耕地拍摄得到的多张影像；将多张影像输入地物要素识别模型，以识别出包括目标地物要素的目标影像，其中，将地物分类模型作为预训练模型，对多张样本影像进行分类，以识别出包括目标地物类型的目标样本影像，对目标样本影像中的目标地物要素进行标注，采用标注后的目标样本影像进行训练得到的地物要素识别模型，目标地物类型中包括目标地物要素；基于目标影像上的目标地物要素的信息，确定目标区域内农业耕地的目标信息。
根据本发明实施例的另一方面，还提供了一种地物要素的处理方法，包括：云服务器接收客户端上传的在目标区域内拍摄的多张影像；云服务器将多张影像输入地物要素识别模型，以识别出包括目标地物要素的目标影像，其中，将地物分类模型作为预训练模型，对多张样本影像进行分类，以识别出包括目标地物类型的目标样本影像，对目标样本影像中的目标地物要素进行标注，采用标注后的目标样本影像进行训练得到的地物要素识别模型，目标地物类型中包括目标地物要素；云服务器返回基于目标影像上的目标地物要素的信息确定出的目标区域内目标地物要素的目标信息。
根据本发明实施例的另一方面，还提供了一种地物要素的处理装置，包括：第一显示单元，用于在显示界面显示地物分类模型；第一响应单元，用于响应用户选择地物分类模型的选择指令，将地物分类模型作为预训练模型；第二显示单元，用于将多张样本影像输入地物分类模型,在显示界面上显示地物分类模型识别出的包括目标地物类型的目标样本影像，其中，目标地物类型中包括目标地物要素；第一标注单元，用于在显示界面上对目标样本影像中的目标地物要素进行标注，得到标注后的目标样本影像；第三显示单元，用于在显示界面上显示采用标注后的目标样本影像对地物分类模型进行训练生成的地物要素识别模型，其中，地物要素识别模型用于识别影像中的目标地物要素。
根据本发明实施例的另一方面，还提供了一种处理器，处理器用于运行程序，其中，程序运行时执行上述任意一项的方法。
根据本发明实施例的另一方面，还提供了一种计算机可读存储介质，其上存储有计算机程序/指令，该计算机程序/指令被处理器执行时执行上述任意一项的方法。
在本发明实施例中，采用地物分类模型作为预训练模型的方式，通过在显示界面显示地物分类模型；响应用户选择地物分类模型的选择指令，将地物分类模型作为预训练模型；将多张样本影像输入地物分类模型,在显示界面上显示地物分类模型识别出的包括目标地物类型的目标样本影像，其中，目标地物类型中包括目标地物要素；在显示界面上对目标样本影像中的目标地物要素进行标注，得到标注后的目标样本影像；在显示界面上显示采用标注后的目标样本影像对地物分类模型进行训练生成的地物要素识别模型，其中，地物要素识别模型用于识别影像中的目标地物要素，达到了提升对地物要素的处理效率的目的。也即，将地物分类模型作为预训练模型，对多张样本影像进行分类，以识别出包括目标地物类型的目标样本影像，对目标样本影像中的目标地物要素进行标注，采用标注后的目标样本影像进行训练得到地物要素识别模型，采用该地物要素识别模型识别影像中的地物要素，从而提升对地物要素的处理效率，进而解决了相关技术中对地物要素的处理效率较低的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是根据本发明实施例的计算机终端的硬件结构框图；
图2是根据本发明实施例一提供的地物要素的处理方法的流程图；
图3是根据本发明实施例一提供的地物要素的处理方法的示意图；
图4是根据本发明实施例一提供的地物分类模型的处理影像的示意图一；
图5是根据本发明实施例一提供的地物分类模型的处理影像的示意图二；
图6是根据本发明实施例一提供的地物分类模型的处理影像的示意图三；
图7是根据本发明实施例一提供的地物分类模型的处理影像的示意图四；
图8是根据本发明实施例一提供的地物分类模型的处理影像的示意图五；
图9是根据本发明实施例一提供的地物分类模型的处理影像的示意图六；
图10是根据本发明实施例二提供的地物要素的处理方法的流程图；
图11是根据本发明实施例三提供的地物要素的处理方法的流程图；
图12是根据本发明实施例四提供的地物要素的处理方法的流程图；
图13是根据本发明实施例五提供的地物要素的处理方法的流程图；
图14是根据本发明实施例六提供的地物要素的处理装置的示意图；
图15是根据本发明实施例的可选的计算机终端的结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
首先，在对本发明实施例进行描述的过程中出现的部分名词或术语适用于如下解释：
地物分类: 对遥感影像中的每个像素单位按地物类型进行分类，通常分类类型可以包括:耕地，水域，建筑物，道路，构筑物，林地，草地，裸地等地物类别，是一种语义分割任务。
地物分类模型：地物分类模型作为一种基础的遥感能力，能够获取到影像中各个像素的基础类别。
单要素地物提取：地物要素是地物类型中的小类，单要素地物提取也即是对特定地物类型中的地物要素进行提取，如：大棚，住宅，光伏电厂等地物要素的提取。提取的方式可以是语义分割也可以，也可以是目标框检测形式。
实施例1
根据本发明实施例，提供了一种地物要素的处理方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
本发明实施例一所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。图1示出了一种用于实现地物要素的处理方法的计算机终端（或移动设备）的硬件结构框图。如图1所示，计算机终端10（或移动设备10）可以包括一个或多个（图中采用102a、102b，……，102n来示出）处理器102（处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置）、用于存储数据的存储器104、以及用于通信功能的传输装置。除此以外，还可以包括：显示器、输入/输出接口（I/O接口）、通用串行总线（USB）端口（可以作为I/O接口的端口中的一个端口被包括）、网络接口、电源和/或相机。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述电子装置的结构造成限定。例如，计算机终端10还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。
应当注意到的是上述一个或多个处理器102和/或其他数据处理电路在本文中通常可以被称为“数据处理电路”。该数据处理电路可以全部或部分的体现为软件、硬件、固件或其他任意组合。此外，数据处理电路可为单个独立的处理模块，或全部或部分的结合到计算机终端10（或移动设备）中的其他元件中的任意一个内。如本发明实施例中所涉及到的，该数据处理电路作为一种处理器控制（例如与接口连接的可变电阻终端路径的选择）。
存储器104可用于存储应用软件的软件程序以及模块，如本发明实施例中的地物要素的处理方法对应的程序指令/数据存储装置，处理器102通过运行存储在存储器104内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的应用程序的地物要素的处理方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器104可进一步包括相对于处理器102远程设置的存储器，这些远程存储器可以通过网络连接至计算机终端10。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输装置用于经由一个网络接收或者发送数据。上述的网络具体实例可包括计算机终端10的通信供应商提供的无线网络。在一个实例中，传输装置包括一个网络适配器（Network Interface Controller，NIC），其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输装置106可以为射频（Radio Frequency，RF）模块，其用于通过无线方式与互联网进行通讯。
显示器可以例如触摸屏式的液晶显示器（LCD），该液晶显示器可使得用户能够与计算机终端10（或移动设备）的用户界面进行交互。
在上述运行环境下，本发明提供了如图2所示的地物要素的处理方法。图2是根据本发明实施例一的地物要素的处理方法的流程图。
步骤S201，在显示界面显示地物分类模型。
在用户可视化的显示界面上显示地物分类模型，该地物分类模型可以识别出影像中的各个地物类型。例如，影像中包括耕地，水域，建筑物，道路等地物类型，通过该地物分类模型可以对各个地物类型采用不同标识进行区分，例如，用绿色标识耕地，用蓝色标识水域等等，通过采用不同颜色标识不同的地物类型，以实现区分各个地物类型的目的。
步骤S202，响应用户选择地物分类模型的选择指令，将地物分类模型作为预训练模型。
在用户存在需要识别某个特定的地物要素的需求下，因此需要训练特定的地物要素识别模型，在这种情况下，由于显示界面中以为用户提供了地物分类模型，因此，若检测到用户选择地物分类模型的选择指令，则将地物分类模型作为预训练模型。
步骤S203，将多张样本影像输入地物分类模型,在显示界面上显示地物分类模型识别出的包括目标地物类型的目标样本影像，其中，目标地物类型中包括目标地物要素。
将地物分类模型作为预训练模型，可以迅速的从多张样本影像中识别出包括目标地物类型的目标样本影像。例如，用户需要识别运动场这个地物要素，由于运动场属于构筑物这个地物类型，因此，通过地物分类模型，可以快速的从多张样本影像中识别出包括构筑物的目标样本影像。
步骤S204，在显示界面上对目标样本影像中的目标地物要素进行标注，得到标注后的目标样本影像。
在显示界面上可以对目标样本影像中的目标地物要素进行标注，例如，在包括构筑物的目标样本影像中对运动场进行标注，避免了现有技术中需要直接对多张样本影像中的标注，能够过滤掉大量无效影像，从而针对性的在包括构筑物的目标样本影像标注目标地物要素，大大缩短了标注目标地物要素的时间。
步骤S205，在显示界面上显示采用标注后的目标样本影像对地物分类模型进行训练生成的地物要素识别模型，其中，地物要素识别模型用于识别影像中的目标地物要素。
通过上述步骤S201至步骤S205，将地物分类模型作为预训练模型，对多张样本影像进行分类，以识别出包括目标地物类型的目标样本影像，对目标样本影像中的目标地物要素进行标注，采用标注后的目标样本影像进行训练，快速生成地物要素识别模型，采用该地物要素识别模型识别影像中的地物要素，从而提升对地物要素的处理效率，进而解决了相关技术中对地物要素的处理效率较低的技术问题。
可选地，在本申请实施一提供的地物要素的处理方法中，在显示界面上采用标注后的目标样本影像对地物分类模型进行训练，生成地物要素识别模型之后，该方法还包括：在显示界面上显示在目标区域内拍摄得到的多张影像；将多张影像输入地物要素识别模型，在显示界面上显示包括目标地物要素的目标影像；在显示界面上显示目标区域内目标地物要素的目标信息，其中，目标信息由目标影像上的目标地物要素的信息确定。
在上述方案中，在生成了地物要素识别模型之后，将目标区域内拍摄得到的多张影像输入该地物要素识别模型，地物要素识别模型可以快速的识别出包括目标地物要素的目标影像，从而基于目标影像上的目标地物要素的信息，快速确定显示目标区域内目标地物要素的目标信息，提升了确定目标区域内目标地物要素的信息的效率。
可选地，在本申请实施一提供的地物要素的处理方法中，在显示界面上显示目标区域内目标地物要素的目标信息之前，该方法还包括：确定目标影像上目标地物要素所占的影像区域；依据目标地物要素所占的影像区域，确定目标区域内的目标地物要素当前所占的面积；获取预设时间段之前目标区域内目标地物要素所占的面积；将预设时间段之前目标区域内目标地物要素所占的面积与目标区域内的目标地物要素当前所占的面积进行比较分析，确定目标区域内目标地物要素的变化信息；将目标区域内目标地物要素的变化信息作为目标信息。
例如，目标地物要素为运动场，确定目标影像上运动场所占的影像区域，依据运动场在各个目标影像上所占的影像区域大小，可以计算出目标区域（例如，A市）内当前的目标地物要素所占的面积，在确定A市内当前运动场所占的面积之后，获取一月前A市内运动场所占的面积，将当前运动场所占的面积与一月前运动场所占的面积进行分析，可以确定A市内运动场的增加或减少等变化信息。
通过上述方案，可以快速的确定目标区域内目标地物要素的变化信息，从而以便用户及时了解目标地物要素的变化信息。
可选地，在本申请实施一提供的地物要素的处理方法中，在显示界面上显示目标区域内目标地物要素的目标信息之后，该方法还包括：在变化信息指示变化比例超过预设比例时，在显示界面显示提醒信息，以提醒目标对象。
例如，将A市内当前运动场所占的面积与一月前运动场所占的面积进行分析，确定A市内运动场的减少了10%，超过了预设比例5%，则在显示界面显示提醒信息，以提醒目标对象，以便目标对象对于运动场减少情况的及时掌控。
可选地，本申请中在生成地物要素识别模型的过程中，将要提取的地物要素类别映射到地物分类的一个大类(例如，草地)中。然后使用地物分类模型对需要标注的影像进行预提取，也即，从多张影像中筛选出包括目标地物类型的目标样本影像，，将含有上一步映射大类 的影像保留，不包含的影像作为负样本或舍弃，通常负样本数量远多与正样本，只对保留下来的可能还有正样本的影像进行标注，提升了标注效率。在训练地物要素识别模型过程中，加载地物分类模型作为预训练模型，由于地物分类模型已经具备提取地物类别特征的能力，因此，只需要少量的迭代次数和训练时间即可完成训练，生成地物要素识别模型。该方案的流程示意图，如图3所示。
下面以目标地物要素为运动场，生成运动场识别模型为例，说明上述技术方案的流程。运动场属于地物类型中的构筑物，首先使用地物分类模型对待标注数据（多张影像）进行识别，图4为原始影像1，将图4输入地物分类模型后，输出的图像如图5，通过识别图5中没有构筑物，则舍弃掉原始影像1。图6为原始影像2，将图6输入地物分类模型后，输出的图像如图7，通过识别图7中包括构筑物，图7中的构筑物如图8所示。对图8中的运动场进行人工标注，标注结果如图9所示，也即，人工标注运动场是在构筑物预标注结果的基础上，将构筑物中的运动场区域提取出来，作为训练集。在收集到一定量的人工标注影像，加载地物分类模型作为预训练模型，进行模型训练，生成运动场识别模型。因此，使用地物分类对待标注图片进行预先筛选和预标注，可以减少约50%的需标注数据量，大幅提升标注效率。使用地物分类模型作为预训练模型，可以减少约80%的训练迭代次数，大幅减少训练时间，从而快速的生成地物要素识别模型，从而提升后续对地物要素的处理效率。
通过上述方案，可以快速训练出目标地物要素对应的地物要素识别模型，从而提升识别出包括目标地物要素的目标影像的目的，进一步地，提升确定目标区域内目标地物要素的信息的效率。
可选地，在本申请实施例一提供的地物要素的处理方法中，该方法还包括：确定多张影像中不包括目标地物类型的影像；从不包括目标地物类型的影像中选择预设数据的影像作为负样本数据。
在上述方案中，在确定多张影像中不包括目标地物类型的影像之后，将部分不包括目标地物类型的影像作为负样本数据，也即，从不包括目标地物类型的影像中选择预设数据的影像作为负样本数据，在训练地物要素识别模型时，也将为负样本数据输入地物分类模型，以提升训练地物要素识别模型的准确性。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质（如ROM/RAM、磁碟、光盘）中，包括若干指令用以使得一台终端设备（可以是手机，计算机，服务器，或者网络设备等）执行本发明各个实施例的方法。
实施例2
在上述实施例一的运行环境下，本申请提供了如图10所示的地物要素的处理方法。图10是根据本发明实施例二的地物要素的处理方法的流程图。
步骤S1001，获取在目标区域内拍摄得到的多张影像。
例如，上述的目标区域为A市区域，上述的影像为在A市区域内拍摄得到的遥感影像。
步骤S1002，将多张影像输入地物要素识别模型，以识别出包括目标地物要素的目标影像，其中，将地物分类模型作为预训练模型，对多张样本影像进行分类，以识别出包括目标地物类型的目标样本影像，对目标样本影像中的目标地物要素进行标注，采用标注后的目标样本影像进行训练得到的地物要素识别模型，目标地物类型中包括目标地物要素。
上述的地物要素识别模型用于识别影像中的目标地物要素，例如，识别遥感影像中的运动场，上述的地物要素识别模型是采用地物分类模型作为预训练模型，进行训练得到的，地物分类模型为可以识别出各个地物类别，例如，将影像输入地物分类模型，可以识别出影像中的耕地，水域，建筑物，道路，构筑物，林地，草地，裸地等类别。利用地物分类模型对地物的各大类先进行预分类，再只对可能存在目标地物要素（例如，运动场）的大类区域进行标注，就能够过滤掉大量无效影像，大幅提升标注效率，从而快速的得到地物要素识别模型。将多张影像输入地物要素识别模型，可以快速和准确的识别出包括目标地物要素的目标影像。
步骤S1003，基于目标影像上的目标地物要素的信息，确定目标区域内目标地物要素的目标信息。
通过上述步骤S1001至步骤S1003，达到了快速识别出包括目标地物要素的目标影像的目的，进而提升了确定目标区域内目标地物要素的信息的效率，进而解决了相关技术中确定目标区域内目标地物要素的信息的效率较低的技术问题。
可选地，在本申请实施二提供的地物要素的处理方法中，基于目标影像上的目标地物要素的信息，确定目标区域内目标地物要素的目标信息包括：确定目标影像上目标地物要素所占的影像区域；依据目标地物要素所占的影像区域，确定目标区域内目标地物要素当前所占的面积；获取预设时间段之前目标区域内目标地物要素所占的面积；将预设时间段之前目标区域内目标地物要素所占的面积与目标区域内目标地物要素当前所占的面积进行比较分析，确定目标区域内目标地物要素的变化信息；将变化信息作为目标信息。
例如，目标地物要素为运动场，确定目标影像上运动场所占的影像区域，依据运动场在各个目标影像上所占的影像区域大小，可以计算出目标区域（例如，A市）内当前的目标地物要素所占的面积，在确定A市内当前运动场所占的面积之后，获取一月前A市内运动场所占的面积，将当前运动场所占的面积与一月前运动场所占的面积进行分析，可以确定A市内运动场的增加或减少等变化信息。
通过上述方案，可以快速的确定目标区域内目标地物要素的变化信息，从而以便用户及时了解目标地物要素的变化信息。
可选地，在本申请实施二提供的地物要素的处理方法中，在确定目标区域内目标地物要素的变化信息之后，该方法还包括：在变化信息指示变化比例超过预设比例时，触发提醒信息至目标对象。
例如，将A市内当前运动场所占的面积与一月前运动场所占的面积进行分析，确定A市内运动场的减少了10%，超过了预设比例5%，则触发提醒信息至目标对象，以便目标对象对于运动场减少的情况及时掌控。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质（如ROM/RAM、磁碟、光盘）中，包括若干指令用以使得一台终端设备（可以是手机，计算机，服务器，或者网络设备等）执行本发明各个实施例的方法。
实施例3
在上述实施例一的运行环境下，本申请提供了如图11所示的地物要素的处理方法。图11是根据本发明实施例三的地物要素的处理方法的流程图。
步骤S1101，获取在目标区域内对建筑物拍摄得到的多张影像。
例如，上述的目标区域为A市区域，上述的影像为在A市区域内建筑物拍摄得到的遥感影像。
步骤S1102，将多张影像输入地物要素识别模型，以识别出包括目标地物要素的目标影像，其中，将地物分类模型作为预训练模型，对多张样本影像进行分类，以识别出包括目标地物类型的目标样本影像，对目标样本影像中的目标地物要素进行标注，采用标注后的目标样本影像进行训练得到的地物要素识别模型，目标地物类型中包括目标地物要素。
上述的地物要素识别模型用于识别影像中的目标地物要素，例如，识别遥感影像中的目标地物要素为住宅，上述的地物要素识别模型是采用地物分类模型作为预训练模型，进行训练得到的，地物分类模型为可以识别出各个地物类别，例如，将影像输入地物分类模型，可以识别出影像中的建筑物等类别，过滤掉大量不包括建筑物的影像。再对包括建筑物的影像上可能包括的目标地物要素（例如，住宅）的进行标注，该操作就能够过滤掉大量无效影像，大幅提升标注效率，从而快速的得到地物要素识别模型。从而将多张影像输入地物要素识别模型，可以快速和准确的识别出包括目标地物要素的目标影像。
步骤S1103，基于目标影像上的目标地物要素的信息，确定目标区域内建筑物的目标信息。
例如，在识别出影像中的住宅的信息之后，可以确定A市区域内建筑物的变化信息(例如，住宅的位置变化，或者住宅的总面积变化等等)。
通过上述步骤S1101至步骤S1103，达到了快速识别出包括目标地物要素的目标影像的目的，进而提升了确定目标区域内目标地物要素的信息的效率，解决了相关技术中对地物要素的处理效率较低的技术问题。
可选地，在本申请实施三提供的地物要素的处理方法中，基于目标影像上的目标地物要素的信息，确定目标区域内建筑物的目标信息包括：确定目标影像上目标地物要素所占的影像区域；依据目标地物要素所占的影像区域，确定目标区域内目标地物要素当前所占的面积；获取预设时间段之前目标区域内目标地物要素所占的面积；将预设时间段之前目标区域内目标地物要素所占的面积与目标区域内目标地物要素当前所占的面积进行比较分析，确定目标区域内目标地物要素的变化信息；将变化信息作为目标信息。
例如，目标地物要素为住宅，确定目标影像上住宅所占的影像区域，依据住宅在各个目标影像上所占的影像区域大小，可以计算出目标区域（例如，A市）内当前的目标地物要素所占的面积，在确定A市内当前住宅所占的面积之后，获取一月前A市内住宅所占的面积，将当前住宅所占的面积与一月前住宅所占的面积进行分析，可以确定A市内建筑物的增加或减少等变化信息。
通过上述方案，可以快速的确定目标区域内目标地物要素的变化信息，从而以便用户及时了解目标区域内建筑物的变化信息。
可选地，在本申请实施三提供的地物要素的处理方法中，在确定目标区域内目标地物要素的变化信息之后，该方法还包括：在变化信息指示变化比例超过预设比例时，触发提醒信息至目标对象。
例如，将A市内当前住宅所占的面积与一月前住宅所占的面积进行分析，确定A市内住宅的增加了10%，超过了预设比例5%，则触发提醒信息至目标对象，以便目标对象对于住宅增加的情况及时掌控。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质（如ROM/RAM、磁碟、光盘）中，包括若干指令用以使得一台终端设备（可以是手机，计算机，服务器，或者网络设备等）执行本发明各个实施例的方法。
实施例4
在上述运行环境下，本申请提供了如图12所示的地物要素的处理方法。图12是根据本发明实施例四的地物要素的处理方法的流程图。
步骤S1201，获取在目标区域内对农业耕地拍摄得到的多张影像。
例如，上述的目标区域为A市区域，上述的影像为在A市区域内农业耕地拍摄得到的遥感影像。
步骤S1202，将多张影像输入地物要素识别模型，以识别出包括目标地物要素的目标影像，其中，将地物分类模型作为预训练模型，对多张样本影像进行分类，以识别出包括目标地物类型的目标样本影像，对目标样本影像中的目标地物要素进行标注，采用标注后的目标样本影像进行训练得到的地物要素识别模型，目标地物类型中包括目标地物要素。
上述的地物要素识别模型用于识别影像中的目标地物要素，例如，识别遥感影像中的目标地物要素为水田，上述的地物要素识别模型是采用地物分类模型作为预训练模型，进行训练得到的，地物分类模型为可以识别出各个地物类别，例如，将影像输入地物分类模型，可以识别出影像中的农业耕地等类别，过滤掉大量不包括农业耕地的影像。再对包括农业耕地的影像上可能包括的目标地物要素（例如，水田）的进行标注，该操作就能够过滤掉大量无效影像，大幅提升标注效率，从而快速的得到地物要素识别模型。从而将多张影像输入地物要素识别模型，可以快速和准确的识别出包括目标地物要素的目标影像。
步骤S1203，基于目标影像上的目标地物要素的信息，确定目标区域内农业耕地的目标信息。
例如，在识别出影像中的水田的信息之后，可以确定A市区域内农业耕地的目标信息(例如，水田的位置变化，或者水田的面积变化等等)。
通过上述步骤S1201至步骤S1203，达到了快速识别出包括目标地物要素的目标影像的目的，进而提升了确定目标区域内目标地物要素的信息的效率，解决了相关技术中对地物要素的处理效率较低的技术问题。
可选地，在本申请实施四提供的地物要素的处理方法中，基于目标影像上的目标地物要素的信息，确定目标区域内农业耕地的目标信息包括：确定目标影像上目标地物要素所占的影像区域；依据目标地物要素所占的影像区域，确定目标区域内目标地物要素当前所占的面积；获取预设时间段之前目标区域内目标地物要素所占的面积；将预设时间段之前目标区域内目标地物要素所占的面积与目标区域内目标地物要素当前所占的面积进行比较分析，确定目标区域内目标地物要素的变化信息；将变化信息作为目标信息。
例如，目标地物要素为水田，确定目标影像上水田所占的影像区域，依据水田在各个目标影像上所占的影像区域大小，可以计算出目标区域（例如，A市）内当前的目标地物要素所占的面积，在确定A市内当前水田所占的面积之后，获取一月前A市内水田所占的面积，将当前水田所占的面积与一月前水田所占的面积进行分析，可以确定A市内农业耕地的增加或减少等变化信息。
通过上述方案，可以快速的确定目标区域内目标地物要素的变化信息，从而以便用户及时了解目标区域内农业耕地的变化信息。
可选地，在本申请实施四提供的地物要素的处理方法中，在确定目标区域内目标地物要素的变化信息之后，该方法还包括：在变化信息指示变化比例超过预设比例时，触发提醒信息至目标对象。
例如，将A市内当前水田所占的面积与一月前水田所占的面积进行分析，确定A市内水田的增加了10%，超过了预设比例5%，则触发提醒信息至目标对象，以便目标对象对于水田增加的情况及时掌控。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质（如ROM/RAM、磁碟、光盘）中，包括若干指令用以使得一台终端设备（可以是手机，计算机，服务器，或者网络设备等）执行本发明各个实施例的方法。
实施例5
在上述运行环境下，本申请提供了如图13所示的地物要素的处理方法。图13是根据本发明实施例五的地物要素的处理方法的流程图。
步骤S1301，云服务器接收客户端上传的在目标区域内拍摄的多张影像。
步骤S1302，云服务器将多张影像输入地物要素识别模型，以识别出包括目标地物要素的目标影像，其中，将地物分类模型作为预训练模型，对多张样本影像进行分类，以识别出包括目标地物类型的目标样本影像，对目标样本影像中的目标地物要素进行标注，采用标注后的目标样本影像进行训练得到的地物要素识别模型，目标地物类型中包括目标地物要素。
步骤S1303，云服务器返回基于目标影像上的目标地物要素的信息确定出的目标区域内目标地物要素的目标信息。
通过上述步骤S1301至步骤S1303，通过在云服务器中的地物要素识别模型对多张样本影像进行分类，以识别出包括目标地物类型的目标样本影像，对目标样本影像中的目标地物要素进行标注，采用标注后的目标样本影像进行训练得到地物要素识别模型，采用该地物要素识别模型识别影像中的地物要素，基于识别出的地物要输确定目标区域内目标地物要素的目标信息，从而提升对地物要素的处理效率，进而解决了相关技术中对地物要素的处理效率较低的技术问题。
可选地，在本申请实施五提供的地物要素的处理方法中，云服务器返回基于目标影像上的目标地物要素的信息确定出的目标区域内目标地物要素的目标信息之前，该方法还包括：确定目标影像上目标地物要素所占的影像区域；依据目标地物要素所占的影像区域，确定目标区域内目标地物要素当前所占的面积；获取预设时间段之前目标区域内目标地物要素所占的面积；将预设时间段之前目标区域内目标地物要素所占的面积与目标区域内目标地物要素当前所占的面积进行比较分析，确定目标区域内目标地物要素的变化信息；将变化信息作为目标信息。
例如，目标地物要素为住宅，确定目标影像上住宅所占的影像区域，依据住宅在各个目标影像上所占的影像区域大小，可以计算出目标区域（例如，A市）内当前的目标地物要素所占的面积，在确定A市内当前住宅所占的面积之后，获取一月前A市内住宅所占的面积，将当前住宅所占的面积与一月前住宅所占的面积进行分析，可以确定A市内建筑物的增加或减少等变化信息。
通过上述方案，可以快速的确定目标区域内住宅的变化信息，从而以便用户及时了解目标区域内建筑物的变化信息。
可选地，在本申请实施五提供的地物要素的处理方法中，在确定目标区域内目标地物要素的变化信息之后，该方法还包括：在变化信息指示变化比例超过预设比例时，触发提醒信息至目标对象。
例如，将A市内当前住宅所占的面积与一月前住宅所占的面积进行分析，确定A市内住宅的增加了10%，超过了预设比例5%，则触发提醒信息至目标对象，以便目标对象对于住宅增加的情况及时掌控。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质（如ROM/RAM、磁碟、光盘）中，包括若干指令用以使得一台终端设备（可以是手机，计算机，服务器，或者网络设备等）执行本发明各个实施例所述的方法。
实施例6
根据本发明实施例，还提供了一种用于实施上述地物要素的处理装置，如图14所示，该装置包括：第一显示单元1401、第一响应单元1402、第二显示单元1403、第一标注单元1404、第三显示单元1405。
具体地，第一显示单元1401，用于在显示界面显示地物分类模型；
第一响应单元1402，用于响应用户选择地物分类模型的选择指令，将地物分类模型作为预训练模型；
第二显示单元1403，用于将多张样本影像输入地物分类模型,在显示界面上显示地物分类模型识别出的包括目标地物类型的目标样本影像，其中，目标地物类型中包括目标地物要素；
第一标注单元1404，用于在显示界面上对目标样本影像中的目标地物要素进行标注，得到标注后的目标样本影像；
第三显示单元1405，用于在显示界面上显示采用标注后的目标样本影像对地物分类模型进行训练生成的地物要素识别模型，其中，地物要素识别模型用于识别影像中的目标地物要素。
综上，在本发明实施例六提供的地物要素的处理装置中，通过第一显示单元1401在显示界面显示地物分类模型；第一响应单元1402响应用户选择地物分类模型的选择指令，将地物分类模型作为预训练模型；第二显示单元1403，用于将多张样本影像输入地物分类模型,在显示界面上显示地物分类模型识别出的包括目标地物类型的目标样本影像，其中，目标地物类型中包括目标地物要素；第一标注单元1404在显示界面上对目标样本影像中的目标地物要素进行标注，得到标注后的目标样本影像；第三显示单元1405在显示界面上显示采用标注后的目标样本影像对地物分类模型进行训练生成的地物要素识别模型，其中，地物要素识别模型用于识别影像中的目标地物要素。将地物分类模型作为预训练模型，对多张样本影像进行分类，以识别出包括目标地物类型的目标样本影像，对所述目标样本影像中的目标地物要素进行标注，采用标注后的目标样本影像进行训练得到地物要素识别模型，采用该地物要素识别模型识别影像中的地物要素，从而提升对地物要素的处理效率，进而解决了相关技术中对地物要素的处理效率较低的技术问题。
可选地，在本发明实施例六提供的地物要素的处理装置中，该装置还包括：第一训练单元，用于在显示界面上采用标注后的目标样本影像对地物分类模型进行训练，生成地物要素识别模型之后，在显示界面上显示在目标区域内拍摄得到的多张影像；第一输入单元，用于将多张影像输入地物要素识别模型，在显示界面上显示包括目标地物要素的目标影像；第四显示单元，用于在显示界面上显示目标区域内目标地物要素的目标信息，其中，目标信息由目标影像上的目标地物要素的信息确定。
可选地，在本发明实施例六提供的地物要素的处理装置中，该装置还包括：第一确定单元，用于在显示界面上显示目标区域内目标地物要素的目标信息之前，确定目标影像上目标地物要素所占的影像区域；第二确定单元，用于依据目标地物要素所占的影像区域，确定目标区域内的目标地物要素当前所占的面积；第一获取单元，用于获取预设时间段之前目标区域内目标地物要素所占的面积；第三确定单元，用于将预设时间段之前目标区域内目标地物要素所占的面积与目标区域内的目标地物要素当前所占的面积进行比较分析，确定目标区域内目标地物要素的变化信息；第四确定单元，用于将目标区域内目标地物要素的变化信息作为目标信息。
可选地，在本发明实施例六提供的地物要素的处理装置中，该装置还包括：第五显示单元，用于在显示界面上显示目标区域内目标地物要素的目标信息之后，在变化信息指示变化比例超过预设比例时，在显示界面显示提醒信息，以提醒目标对象。
此处需要说明的是，上述的第一显示单元1401、第一响应单元1402、第二显示单元1403、第一标注单元1404、第三显示单元1405对应于实施例1中的步骤S201至步骤S205，两个模块与对应的步骤所实现的实例和应用场景相同，但不限于上述实施例一所公开的内容。需要说明的是，上述模块作为装置的一部分可以运行在实施例一提供的计算机终端10中。
实施例7
本发明的实施例可以提供一种计算机终端，该计算机终端可以是计算机终端群中的任意一个计算机终端设备。可选地，在本实施例中，上述计算机终端也可以替换为移动终端等终端设备。
可选地，在本实施例中，上述计算机终端可以位于计算机网络的多个网络设备中的至少一个网络设备。
在本实施例中，上述计算机终端可以执行应用程序的地物要素的处理方法中以下步骤的程序代码：在显示界面显示地物分类模型；响应用户选择地物分类模型的选择指令，将地物分类模型作为预训练模型；将多张样本影像输入地物分类模型,在显示界面上显示地物分类模型识别出的包括目标地物类型的目标样本影像，其中，目标地物类型中包括目标地物要素；在显示界面上对目标样本影像中的目标地物要素进行标注，得到标注后的目标样本影像；在显示界面上显示采用标注后的目标样本影像对地物分类模型进行训练生成的地物要素识别模型，其中，地物要素识别模型用于识别影像中的目标地物要素。
上述计算机终端还可以执行应用程序的地物要素的处理方法中以下步骤的程序代码：在显示界面上采用标注后的目标样本影像对地物分类模型进行训练，生成地物要素识别模型之后，在显示界面上显示在目标区域内拍摄得到的多张影像；将多张影像输入地物要素识别模型，在显示界面上显示包括目标地物要素的目标影像；在显示界面上显示目标区域内目标地物要素的目标信息，其中，目标信息由目标影像上的目标地物要素的信息确定。
上述计算机终端还可以执行应用程序的地物要素的处理方法中以下步骤的程序代码：在显示界面上显示目标区域内目标地物要素的目标信息之前，确定目标影像上目标地物要素所占的影像区域；依据目标地物要素所占的影像区域，确定目标区域内的目标地物要素当前所占的面积；获取预设时间段之前目标区域内目标地物要素所占的面积；将预设时间段之前目标区域内目标地物要素所占的面积与目标区域内的目标地物要素当前所占的面积进行比较分析，确定目标区域内目标地物要素的变化信息；将目标区域内目标地物要素的变化信息作为目标信息。
上述计算机终端还可以执行应用程序的地物要素的处理方法中以下步骤的程序代码：在显示界面上显示目标区域内目标地物要素的目标信息之后，在变化信息指示变化比例超过预设比例时，在显示界面显示提醒信息，以提醒目标对象。
上述计算机终端还可以执行应用程序的地物要素的处理方法中以下步骤的程序代码：获取在目标区域内拍摄得到的多张影像；将多张影像输入地物要素识别模型，以识别出包括目标地物要素的目标影像，其中，将地物分类模型作为预训练模型，对多张样本影像进行分类，以识别出包括目标地物类型的目标样本影像，对目标样本影像中的目标地物要素进行标注，采用标注后的目标样本影像进行训练得到的地物要素识别模型，目标地物类型中包括目标地物要素；基于目标影像上的目标地物要素的信息，确定目标区域内目标地物要素的目标信息。
上述计算机终端还可以执行应用程序的地物要素的处理方法中以下步骤的程序代码：确定目标影像上目标地物要素所占的影像区域；依据目标地物要素所占的影像区域，确定目标区域内目标地物要素当前所占的面积；获取预设时间段之前目标区域内目标地物要素所占的面积；将预设时间段之前目标区域内目标地物要素所占的面积与目标区域内目标地物要素当前所占的面积进行比较分析，确定目标区域内目标地物要素的变化信息；将变化信息作为目标信息。
上述计算机终端还可以执行应用程序的地物要素的处理方法中以下步骤的程序代码：在确定目标区域内目标地物要素的变化信息之后，在变化信息指示变化比例超过预设比例时，触发提醒信息至目标对象。
上述计算机终端还可以执行应用程序的地物要素的处理方法中以下步骤的程序代码：获取在目标区域内对建筑物拍摄得到的多张影像；将多张影像输入地物要素识别模型，以识别出包括目标地物要素的目标影像，其中，将地物分类模型作为预训练模型，对多张样本影像进行分类，以识别出包括目标地物类型的目标样本影像，对目标样本影像中的目标地物要素进行标注，采用标注后的目标样本影像进行训练得到的地物要素识别模型，目标地物类型中包括目标地物要素；基于目标影像上的目标地物要素的信息，确定目标区域内建筑物的目标信息。
上述计算机终端还可以执行应用程序的地物要素的处理方法中以下步骤的程序代码：获取在目标区域内对农业耕地拍摄得到的多张影像；将多张影像输入地物要素识别模型，以识别出包括目标地物要素的目标影像，其中，将地物分类模型作为预训练模型，对多张样本影像进行分类，以识别出包括目标地物类型的目标样本影像，对目标样本影像中的目标地物要素进行标注，采用标注后的目标样本影像进行训练得到的地物要素识别模型，目标地物类型中包括目标地物要素；基于目标影像上的目标地物要素的信息，确定目标区域内农业耕地的目标信息。
上述计算机终端还可以执行应用程序的地物要素的处理方法中以下步骤的程序代码：云服务器接收客户端上传的在目标区域内拍摄的多张影像；云服务器将多张影像输入地物要素识别模型，以识别出包括目标地物要素的目标影像，其中，将地物分类模型作为预训练模型，对多张样本影像进行分类，以识别出包括目标地物类型的目标样本影像，对目标样本影像中的目标地物要素进行标注，采用标注后的目标样本影像进行训练得到的地物要素识别模型，目标地物类型中包括目标地物要素；云服务器返回基于目标影像上的目标地物要素的信息确定出的目标区域内目标地物要素的目标信息。
可选地，图15是根据本发明实施例的一种计算机终端的结构框图。如图15所示，该计算机终端可以包括：一个或多个（图15中仅示出一个）处理器、存储器。
其中，存储器可用于存储软件程序以及模块，如本发明实施例中的地物要素的处理方法和装置对应的程序指令/模块，处理器通过运行存储在存储器内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的地物要素的处理方法。存储器可包括高速随机存储器，还可以包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器可进一步包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
处理器可以通过传输装置调用存储器存储的信息及应用程序，以执行下述步骤：在显示界面显示地物分类模型；响应用户选择地物分类模型的选择指令，将地物分类模型作为预训练模型；将多张样本影像输入地物分类模型,在显示界面上显示地物分类模型识别出的包括目标地物类型的目标样本影像，其中，目标地物类型中包括目标地物要素；在显示界面上对目标样本影像中的目标地物要素进行标注，得到标注后的目标样本影像；在显示界面上显示采用标注后的目标样本影像对地物分类模型进行训练生成的地物要素识别模型，其中，地物要素识别模型用于识别影像中的目标地物要素。
可选的，上述处理器还可以执行如下步骤的程序代码：在显示界面上采用标注后的目标样本影像对地物分类模型进行训练，生成地物要素识别模型之后，在显示界面上显示在目标区域内拍摄得到的多张影像；将多张影像输入地物要素识别模型，在显示界面上显示包括目标地物要素的目标影像；在显示界面上显示目标区域内目标地物要素的目标信息，其中，目标信息由目标影像上的目标地物要素的信息确定。
可选的，上述处理器还可以执行如下步骤的程序代码：在显示界面上显示目标区域内目标地物要素的目标信息之前，确定目标影像上目标地物要素所占的影像区域；依据目标地物要素所占的影像区域，确定目标区域内的目标地物要素当前所占的面积；获取预设时间段之前目标区域内目标地物要素所占的面积；将预设时间段之前目标区域内目标地物要素所占的面积与目标区域内的目标地物要素当前所占的面积进行比较分析，确定目标区域内目标地物要素的变化信息；将目标区域内目标地物要素的变化信息作为目标信息。
可选的，上述处理器还可以执行如下步骤的程序代码：在显示界面上显示目标区域内目标地物要素的目标信息之后，在变化信息指示变化比例超过预设比例时，在显示界面显示提醒信息，以提醒目标对象。
可选的，上述处理器还可以执行如下步骤的程序代码：获取在目标区域内拍摄得到的多张影像；将多张影像输入地物要素识别模型，以识别出包括目标地物要素的目标影像，其中，将地物分类模型作为预训练模型，对多张样本影像进行分类，以识别出包括目标地物类型的目标样本影像，对目标样本影像中的目标地物要素进行标注，采用标注后的目标样本影像进行训练得到的地物要素识别模型，目标地物类型中包括目标地物要素；基于目标影像上的目标地物要素的信息，确定目标区域内目标地物要素的目标信息。
可选的，上述处理器还可以执行如下步骤的程序代码：确定目标影像上目标地物要素所占的影像区域；依据目标地物要素所占的影像区域，确定目标区域内目标地物要素当前所占的面积；获取预设时间段之前目标区域内目标地物要素所占的面积；将预设时间段之前目标区域内目标地物要素所占的面积与目标区域内目标地物要素当前所占的面积进行比较分析，确定目标区域内目标地物要素的变化信息；将变化信息作为目标信息。
可选的，上述处理器还可以执行如下步骤的程序代码：在确定目标区域内目标地物要素的变化信息之后，在变化信息指示变化比例超过预设比例时，触发提醒信息至目标对象。
可选的，上述处理器还可以执行如下步骤的程序代码：获取在目标区域内对建筑物拍摄得到的多张影像；将多张影像输入地物要素识别模型，以识别出包括目标地物要素的目标影像，其中，将地物分类模型作为预训练模型，对多张样本影像进行分类，以识别出包括目标地物类型的目标样本影像，对目标样本影像中的目标地物要素进行标注，采用标注后的目标样本影像进行训练得到的地物要素识别模型，目标地物类型中包括目标地物要素；基于目标影像上的目标地物要素的信息，确定目标区域内建筑物的目标信息。
可选的，上述处理器还可以执行如下步骤的程序代码：获取在目标区域内对农业耕地拍摄得到的多张影像；将多张影像输入地物要素识别模型，以识别出包括目标地物要素的目标影像，其中，将地物分类模型作为预训练模型，对多张样本影像进行分类，以识别出包括目标地物类型的目标样本影像，对目标样本影像中的目标地物要素进行标注，采用标注后的目标样本影像进行训练得到的地物要素识别模型，目标地物类型中包括目标地物要素；基于目标影像上的目标地物要素的信息，确定目标区域内农业耕地的目标信息。
可选的，上述处理器还可以执行如下步骤的程序代码：云服务器接收客户端上传的在目标区域内拍摄的多张影像；云服务器将多张影像输入地物要素识别模型，以识别出包括目标地物要素的目标影像，其中，将地物分类模型作为预训练模型，对多张样本影像进行分类，以识别出包括目标地物类型的目标样本影像，对目标样本影像中的目标地物要素进行标注，采用标注后的目标样本影像进行训练得到的地物要素识别模型，目标地物类型中包括目标地物要素；云服务器返回基于目标影像上的目标地物要素的信息确定出的目标区域内目标地物要素的目标信息。
采用本发明实施例，提供了一种地物要素的处理方法的方案。通过在显示界面显示地物分类模型；响应用户选择地物分类模型的选择指令，将地物分类模型作为预训练模型；将多张样本影像输入地物分类模型,在显示界面上显示地物分类模型识别出的包括目标地物类型的目标样本影像，其中，目标地物类型中包括目标地物要素；在显示界面上对目标样本影像中的目标地物要素进行标注，得到标注后的目标样本影像；在显示界面上显示采用标注后的目标样本影像对地物分类模型进行训练生成的地物要素识别模型，其中，地物要素识别模型用于识别影像中的目标地物要素，达到了提升对地物要素的处理效率的目的。也即，将地物分类模型作为预训练模型，对多张样本影像进行分类，以识别出包括目标地物类型的目标样本影像，对所述目标样本影像中的目标地物要素进行标注，采用标注后的目标样本影像进行训练得到地物要素识别模型，采用该地物要素识别模型识别影像中的地物要素，从而提升对地物要素的处理效率，进而解决了相关技术中对地物要素的处理效率较低的技术问题。
本领域普通技术人员可以理解，图15所示的结构仅为示意，计算机终端也可以是智能手机（如Android手机、iOS手机等）、平板电脑、掌声电脑以及移动互联网设备（MobileInternet Devices，MID）、PAD等终端设备。图15其并不对上述电子装置的结构造成限定。例如，计算机终端10还可包括比图15中所示更多或者更少的组件（如网络接口、显示装置等），或者具有与图15所示不同的配置。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令终端设备相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：闪存盘、只读存储器（Read-Only Memory，ROM）、随机存取器（RandomAccess Memory，RAM）、磁盘或光盘等。
实施例8
本发明的实施例还提供了一种计算机可读存储介质。可选地，在本实施例中，上述存储介质可以用于保存上述实施例一所提供的地物要素的处理方法所执行的程序代码。
可选地，在本实施例中，上述存储介质可以位于计算机网络中计算机终端群中的任意一个计算机终端中，或者位于移动终端群中的任意一个移动终端中。
可选地，在本实施例中，存储介质被设置为存储用于执行以下步骤的程序代码：响应用户选择地物分类模型的选择指令，将地物分类模型作为预训练模型；将多张样本影像输入地物分类模型,在显示界面上显示地物分类模型识别出的包括目标地物类型的目标样本影像，其中，目标地物类型中包括目标地物要素；在显示界面上对目标样本影像中的目标地物要素进行标注，得到标注后的目标样本影像；在显示界面上显示采用标注后的目标样本影像对地物分类模型进行训练生成的地物要素识别模型，其中，地物要素识别模型用于识别影像中的目标地物要素。
可选地，在本实施例中，存储介质还被设置为存储用于执行以下步骤的程序代码：在显示界面上采用标注后的目标样本影像对地物分类模型进行训练，生成地物要素识别模型之后，在显示界面上显示在目标区域内拍摄得到的多张影像；将多张影像输入地物要素识别模型，在显示界面上显示包括目标地物要素的目标影像；在显示界面上显示目标区域内目标地物要素的目标信息，其中，目标信息由目标影像上的目标地物要素的信息确定。
可选地，在本实施例中，存储介质还被设置为存储用于执行以下步骤的程序代码：在显示界面上显示目标区域内目标地物要素的目标信息之前，确定目标影像上目标地物要素所占的影像区域；依据目标地物要素所占的影像区域，确定目标区域内的目标地物要素当前所占的面积；获取预设时间段之前目标区域内目标地物要素所占的面积；将预设时间段之前目标区域内目标地物要素所占的面积与目标区域内的目标地物要素当前所占的面积进行比较分析，确定目标区域内目标地物要素的变化信息；将目标区域内目标地物要素的变化信息作为目标信息。
可选地，在本实施例中，存储介质还被设置为存储用于执行以下步骤的程序代码：在显示界面上显示目标区域内目标地物要素的目标信息之后，在变化信息指示变化比例超过预设比例时，在显示界面显示提醒信息，以提醒目标对象。
可选地，在本实施例中，存储介质还被设置为存储用于执行以下步骤的程序代码：获取在目标区域内拍摄得到的多张影像；将多张影像输入地物要素识别模型，以识别出包括目标地物要素的目标影像，其中，将地物分类模型作为预训练模型，对多张样本影像进行分类，以识别出包括目标地物类型的目标样本影像，对目标样本影像中的目标地物要素进行标注，采用标注后的目标样本影像进行训练得到的地物要素识别模型，目标地物类型中包括目标地物要素；基于目标影像上的目标地物要素的信息，确定目标区域内目标地物要素的目标信息。
可选地，在本实施例中，存储介质还被设置为存储用于执行以下步骤的程序代码：确定目标影像上目标地物要素所占的影像区域；依据目标地物要素所占的影像区域，确定目标区域内目标地物要素当前所占的面积；获取预设时间段之前目标区域内目标地物要素所占的面积；将预设时间段之前目标区域内目标地物要素所占的面积与目标区域内目标地物要素当前所占的面积进行比较分析，确定目标区域内目标地物要素的变化信息；将变化信息作为目标信息。
可选地，在本实施例中，存储介质还被设置为存储用于执行以下步骤的程序代码：在确定目标区域内目标地物要素的变化信息之后，在变化信息指示变化比例超过预设比例时，触发提醒信息至目标对象。
可选地，在本实施例中，存储介质还被设置为存储用于执行以下步骤的程序代码：获取在目标区域内对建筑物拍摄得到的多张影像；将多张影像输入地物要素识别模型，以识别出包括目标地物要素的目标影像，其中，将地物分类模型作为预训练模型，对多张样本影像进行分类，以识别出包括目标地物类型的目标样本影像，对目标样本影像中的目标地物要素进行标注，采用标注后的目标样本影像进行训练得到的地物要素识别模型，目标地物类型中包括目标地物要素；基于目标影像上的目标地物要素的信息，确定目标区域内建筑物的目标信息。
可选地，在本实施例中，存储介质还被设置为存储用于执行以下步骤的程序代码：获取在目标区域内对农业耕地拍摄得到的多张影像；将多张影像输入地物要素识别模型，以识别出包括目标地物要素的目标影像，其中，将地物分类模型作为预训练模型，对多张样本影像进行分类，以识别出包括目标地物类型的目标样本影像，对目标样本影像中的目标地物要素进行标注，采用标注后的目标样本影像进行训练得到的地物要素识别模型，目标地物类型中包括目标地物要素；基于目标影像上的目标地物要素的信息，确定目标区域内农业耕地的目标信息。
可选地，在本实施例中，存储介质还被设置为存储用于执行以下步骤的程序代码：云服务器接收客户端上传的在目标区域内拍摄的多张影像；云服务器将多张影像输入地物要素识别模型，以识别出包括目标地物要素的目标影像，其中，将地物分类模型作为预训练模型，对多张样本影像进行分类，以识别出包括目标地物类型的目标样本影像，对目标样本影像中的目标地物要素进行标注，采用标注后的目标样本影像进行训练得到的地物要素识别模型，目标地物类型中包括目标地物要素；云服务器返回基于目标影像上的目标地物要素的信息确定出的目标区域内目标地物要素的目标信息。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本发明所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可为个人计算机、服务器或者网络设备等）执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (12)

1.一种地物要素的处理方法，其特征在于，包括：
在显示界面显示地物分类模型；
响应用户选择所述地物分类模型的选择指令，将所述地物分类模型作为预训练模型；
将多张样本影像输入所述地物分类模型,在所述显示界面上显示所述地物分类模型识别出的包括目标地物类型的目标样本影像，其中，所述目标地物类型中包括目标地物要素；
在所述显示界面上对所述目标样本影像中的目标地物要素进行标注，得到标注后的目标样本影像；
在所述显示界面上显示采用所述标注后的目标样本影像对所述地物分类模型进行训练生成的地物要素识别模型，其中，所述地物要素识别模型用于识别影像中的所述目标地物要素；
其中，在所述显示界面上采用所述标注后的目标样本影像对所述地物分类模型进行训练，生成地物要素识别模型之后，所述方法还包括：
在所述显示界面上显示在目标区域内拍摄得到的多张影像；
将所述多张影像输入所述地物要素识别模型，在所述显示界面上显示包括所述目标地物要素的目标影像；
在所述显示界面上显示所述目标区域内所述目标地物要素的目标信息，其中，所述目标信息由所述目标影像上的目标地物要素的信息确定。
2.根据权利要求1所述的方法，其特征在于，在所述显示界面上显示所述目标区域内所述目标地物要素的目标信息之前，所述方法还包括：
确定所述目标影像上所述目标地物要素所占的影像区域；
依据所述目标地物要素所占的影像区域，确定所述目标区域内的目标地物要素当前所占的面积；
获取预设时间段之前所述目标区域内目标地物要素所占的面积；
将预设时间段之前所述目标区域内目标地物要素所占的面积与所述目标区域内的目标地物要素当前所占的面积进行比较分析，确定所述目标区域内目标地物要素的变化信息；
将所述目标区域内目标地物要素的变化信息作为所述目标信息。
3.根据权利要求2所述的方法，其特征在于，在所述显示界面上显示所述目标区域内所述目标地物要素的目标信息之后，所述方法还包括：
在所述变化信息指示变化比例超过预设比例时，在所述显示界面显示提醒信息，以提醒目标对象。
4.一种地物要素的处理方法，其特征在于，包括：
获取在目标区域内拍摄得到的多张影像；
将所述多张影像输入地物要素识别模型，以识别出包括目标地物要素的目标影像，其中，将地物分类模型作为预训练模型，对多张样本影像进行分类，以识别出包括目标地物类型的目标样本影像，对所述目标样本影像中的目标地物要素进行标注，采用标注后的目标样本影像进行训练得到的所述地物要素识别模型，所述目标地物类型中包括所述目标地物要素；
基于所述目标影像上的目标地物要素的信息，确定所述目标区域内目标地物要素的目标信息；
其中，在获取在目标区域内拍摄得到的多张影像之前，该方法还包括：将地物分类模型作为预训练模型；将多张样本影像输入所述地物分类模型,所述地物分类模型识别出的包括目标地物类型的目标样本影像，其中，所述目标地物类型中包括目标地物要素；对所述目标样本影像中的目标地物要素进行标注，得到标注后的目标样本影像；采用所述标注后的目标样本影像对所述地物分类模型进行训练生成的地物要素识别模型，其中，所述地物要素识别模型用于识别影像中的所述目标地物要素。
5.根据权利要求4所述的方法，其特征在于，基于所述目标影像上的目标地物要素的信息，确定所述目标区域内目标地物要素的目标信息包括：
确定所述目标影像上目标地物要素所占的影像区域；
依据所述目标地物要素所占的影像区域，确定所述目标区域内目标地物要素当前所占的面积；
获取预设时间段之前所述目标区域内目标地物要素所占的面积；
将预设时间段之前所述目标区域内目标地物要素所占的面积与所述目标区域内目标地物要素当前所占的面积进行比较分析，确定所述目标区域内目标地物要素的变化信息；
将所述变化信息作为所述目标信息。
6.根据权利要求5所述的方法，其特征在于，在确定所述目标区域内目标地物要素的变化信息之后，所述方法还包括：
在所述变化信息指示变化比例超过预设比例时，触发提醒信息至目标对象。
7.一种地物要素的处理方法，其特征在于，包括：
获取在目标区域内对建筑物拍摄得到的多张影像；
将所述多张影像输入地物要素识别模型，以识别出包括目标地物要素的目标影像，其中，将地物分类模型作为预训练模型，对多张样本影像进行分类，以识别出包括目标地物类型的目标样本影像，对所述目标样本影像中的目标地物要素进行标注，采用标注后的目标样本影像进行训练得到的所述地物要素识别模型，所述目标地物类型中包括所述目标地物要素；
基于所述目标影像上的目标地物要素的信息，确定所述目标区域内建筑物的目标信息；
其中，在获取在目标区域内拍摄得到的多张影像之前，该方法还包括：将地物分类模型作为预训练模型；将多张样本影像输入所述地物分类模型,所述地物分类模型识别出的包括目标地物类型的目标样本影像，其中，所述目标地物类型中包括目标地物要素；对所述目标样本影像中的目标地物要素进行标注，得到标注后的目标样本影像；采用所述标注后的目标样本影像对所述地物分类模型进行训练生成的地物要素识别模型，其中，所述地物要素识别模型用于识别影像中的所述目标地物要素。
8.一种地物要素的处理方法，其特征在于，包括：
获取在目标区域内对农业耕地拍摄得到的多张影像；
将所述多张影像输入地物要素识别模型，以识别出包括目标地物要素的目标影像，其中，将地物分类模型作为预训练模型，对多张样本影像进行分类，以识别出包括目标地物类型的目标样本影像，对所述目标样本影像中的目标地物要素进行标注，采用标注后的目标样本影像进行训练得到的所述地物要素识别模型，所述目标地物类型中包括所述目标地物要素；
基于所述目标影像上的目标地物要素的信息，确定所述目标区域内农业耕地的目标信息；
其中，在获取在目标区域内拍摄得到的多张影像之前，该方法还包括：将地物分类模型作为预训练模型；将多张样本影像输入所述地物分类模型,所述地物分类模型识别出的包括目标地物类型的目标样本影像，其中，所述目标地物类型中包括目标地物要素；对所述目标样本影像中的目标地物要素进行标注，得到标注后的目标样本影像；采用所述标注后的目标样本影像对所述地物分类模型进行训练生成的地物要素识别模型，其中，所述地物要素识别模型用于识别影像中的所述目标地物要素。
9.一种地物要素的处理方法，其特征在于，包括：
云服务器接收客户端上传的在目标区域内拍摄的多张影像；
所述云服务器将所述多张影像输入地物要素识别模型，以识别出包括目标地物要素的目标影像，其中，将地物分类模型作为预训练模型，对多张样本影像进行分类，以识别出包括目标地物类型的目标样本影像，对所述目标样本影像中的目标地物要素进行标注，采用标注后的目标样本影像进行训练得到的所述地物要素识别模型，所述目标地物类型中包括所述目标地物要素；
所述云服务器返回基于所述目标影像上的目标地物要素的信息确定出的所述目标区域内目标地物要素的目标信息；
其中，在云服务器接收客户端上传的在目标区域内拍摄的多张影像之前，该方法还包括：其中，在获取在目标区域内拍摄得到的多张影像之前，该方法还包括：将地物分类模型作为预训练模型；将多张样本影像输入所述地物分类模型,所述地物分类模型识别出的包括目标地物类型的目标样本影像，其中，所述目标地物类型中包括目标地物要素；对所述目标样本影像中的目标地物要素进行标注，得到标注后的目标样本影像；采用所述标注后的目标样本影像对所述地物分类模型进行训练生成的地物要素识别模型，其中，所述地物要素识别模型用于识别影像中的所述目标地物要素。
10.一种地物要素的处理装置，其特征在于，包括：
第一显示单元，用于在显示界面显示地物分类模型；
第一响应单元，用于响应用户选择所述地物分类模型的选择指令，将所述地物分类模型作为预训练模型；
第二显示单元，用于将多张样本影像输入所述地物分类模型,在所述显示界面上显示所述地物分类模型识别出的包括目标地物类型的目标样本影像，其中，所述目标地物类型中包括目标地物要素；
第一标注单元，用于在所述显示界面上对所述目标样本影像中的目标地物要素进行标注，得到标注后的目标样本影像；
第三显示单元，用于在所述显示界面上显示采用所述标注后的目标样本影像对所述地物分类模型进行训练生成的地物要素识别模型，其中，所述地物要素识别模型用于识别影像中的所述目标地物要素；
其中，所述第三显示单元还用于在所述显示界面上显示在目标区域内拍摄得到的多张影像；将所述多张影像输入所述地物要素识别模型，在所述显示界面上显示包括所述目标地物要素的目标影像；在所述显示界面上显示所述目标区域内所述目标地物要素的目标信息，其中，所述目标信息由所述目标影像上的目标地物要素的信息确定。
11.一种计算机可读存储介质，其特征在于，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行权利要求1至9中任意一项所述的方法。
12.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1至9中任意一项所述的方法。
CN202111311198.1A 2021-11-08 2021-11-08 地物要素的处理方法、装置、存储介质和处理器 Active CN113762222B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111311198.1A CN113762222B (zh) 2021-11-08 2021-11-08 地物要素的处理方法、装置、存储介质和处理器

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111311198.1A CN113762222B (zh) 2021-11-08 2021-11-08 地物要素的处理方法、装置、存储介质和处理器

Publications (2)

Publication Number Publication Date
CN113762222A CN113762222A (zh) 2021-12-07
CN113762222B true CN113762222B (zh) 2022-02-18

Family

ID=78784596

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111311198.1A Active CN113762222B (zh) 2021-11-08 2021-11-08 地物要素的处理方法、装置、存储介质和处理器

Country Status (1)

Country Link
CN (1) CN113762222B (zh)

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108470185A (zh) * 2018-02-12 2018-08-31 北京佳格天地科技有限公司 卫星影像的地物标注装置及方法
CN109670060A (zh) * 2018-12-10 2019-04-23 北京航天泰坦科技股份有限公司 一种基于深度学习的遥感影像半自动化标注方法
CN109657728B (zh) * 2018-12-26 2021-03-30 江苏省基础地理信息中心 样例生产方法及模型训练方法
CN110942013A (zh) * 2019-11-22 2020-03-31 佛山科学技术学院 一种基于深度神经网络的卫星影像特征提取方法及系统
CN111598174B (zh) * 2020-05-19 2020-12-29 中国科学院空天信息创新研究院 基于半监督对抗学习的模型训练方法及图像变化分析方法
CN113158807B (zh) * 2021-03-24 2024-02-09 中科北纬(北京)科技有限公司 一种遥感影像的模型自训练和优化系统

Also Published As

Publication number Publication date
CN113762222A (zh) 2021-12-07

Similar Documents

Publication Publication Date Title
Sadeghi-Tehran et al. DeepCount: in-field automatic quantification of wheat spikes using simple linear iterative clustering and deep convolutional neural networks
Zhen et al. Impact of training and validation sample selection on classification accuracy and accuracy assessment when using reference polygons in object-based classification
Zhang et al. Object-oriented method for urban vegetation mapping using IKONOS imagery
CN111630551A (zh) 图像中的作物类型分类
Zhao et al. Mapping rice paddies in complex landscapes with convolutional neural networks and phenological metrics
CN109815846B (zh) 图像处理方法、装置、存储介质和电子装置
Wang et al. Extraction of coastal raft cultivation area with heterogeneous water background by thresholding object-based visually salient NDVI from high spatial resolution imagery
Costa et al. Combining per-pixel and object-based classifications for mapping land cover over large areas
Feng et al. A novel change detection approach based on visual saliency and random forest from multi-temporal high-resolution remote-sensing images
CN110320158A (zh) 移动化学分析
CN108986125B (zh) 物体边缘提取方法、装置及电子设备
CN104536990B (zh) 一种图片显示方法及终端
Hernández-Hernández et al. A new portable application for automatic segmentation of plants in agriculture
Ghanea et al. Automatic building extraction in dense urban areas through GeoEye multispectral imagery
CN111178355A (zh) 印章识别方法、装置和存储介质
CN115761529B (zh) 图像处理方法和电子设备
CN114511500A (zh) 图像处理方法、存储介质以及计算机终端
CN111539481A (zh) 图像标注方法、装置、电子设备及存储介质
Xuesong et al. Aphid identification and counting based on smartphone and machine vision
Zhang et al. Feature extraction for high-resolution imagery based on human visual perception
Lwin et al. Evaluation of land cover classification based on multispectral versus pansharpened landsat ETM+ imagery
CN113496220A (zh) 影像处理方法、系统、计算机可读存储介质
CN117218400A (zh) 一种图像识别模型训练方法、装置、电子设备及存储介质
McCarthy et al. Automated variety trial plot growth and flowering detection for maize and soybean using machine vision
Dong et al. A cloud detection method for GaoFen-6 wide field of view imagery based on the spectrum and variance of superpixels

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant