CN116385651A - 图像处理方法、神经网络模型的训练方法、装置和设备 - Google Patents

Abstract

本公开提供了一种图像处理方法、神经网络模型的训练方法、装置和设备，涉及人工智能领域，具体涉及图像识别、视频分析技术，可应用在智慧城市、城市治理、应急管理场景下。图像处理方法包括：在待处理图像中确定目标区域，所述目标区域包括目标建筑物；确定目标区域的图像特征；基于目标区域的图像特征，确定目标建筑物的屋顶信息和侧棱信息；以及基于屋顶信息和侧棱信息，对目标建筑物进行建模。

Description

图像处理方法、神经网络模型的训练方法、装置和设备

技术领域

本公开涉及人工智能领域，具体涉及图像识别、视频分析技术，可应用在智慧城市、城市治理、应急管理场景下，特别涉及一种图像处理方法、用于图像处理的神经网络模型的训练方法、图像处理装置、用于图像处理的神经网络模型的训练装置、电子设备、计算机可读存储介质和计算机程序产品。

背景技术

人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术；人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。

近年来，随着人工智能和混合现实等新一代信息技术的发展，数字孪生技术在理论层面和应用层面均取得了快速发展。数字城市作为一个典型的应用场景，需要对城市的各种要素(建筑，道路，山川河流等)进行三维展示。城市要素的三维展示依赖于对应目标的三维模型，然而获取某个目标的三维模型是困难的，成本高昂的。传统地，需要建模师手动的逐目标进行建模，比如对每一栋楼进行单独建模，人力成本非常高昂。

在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明，否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地，除非另有指明，否则此部分中提及的问题不应认为在任何现有技术中已被公认。

发明内容

本公开提供了一种图像处理方法、用于图像处理的神经网络模型的训练方法、图像处理装置、用于图像处理的神经网络模型的训练装置、电子设备、计算机可读存储介质和计算机程序产品。

根据本公开的一方面，提供了一种图像处理方法，该方法包括：在待处理图像中确定目标区域，目标区域包括目标建筑物；确定目标区域的图像特征；基于目标区域的图像特征，确定目标建筑物的屋顶信息和侧棱信息；以及基于屋顶信息和侧棱信息，对目标建筑物进行建模。

根据本公开的一方面，提供了一种用于图像处理的神经网络模型的训练方法，神经网络模型包括候选区域提取网络、图像特征提取网络以及图像处理任务网络。该方法包括：获取样本图像和样本真实信息，样本图像包括至少一个样本建筑物，样本真实信息包括至少一个样本建筑物中的每一个样本建筑物的真实屋顶信息和真实侧棱信息；利用候选区域提取网络在样本图像中确定至少一个第一样本目标区域，至少一个第一样本目标区域中的每一个第一样本目标区域包括至少一个样本建筑物中的一个样本建筑物；针对至少一个第一样本目标区域中的每一个第一样本目标区域，利用图像特征提取网络确定该第一样本目标区域的图像特征；利用图像处理任务网络基于该第一样本目标区域的图像特征，确定该第一样本目标区域所包括的样本建筑物的样本屋顶信息和样本侧棱信息；以及基于该样本建筑物的样本屋顶信息、样本侧棱信息、真实屋顶信息和真实侧棱信息，调整神经网络模型的参数。

根据本公开的一方面，提供了一种图像处理装置，该装置包括：第一确定单元，被配置为在待处理图像中确定目标区域，目标区域包括目标建筑物；第二确定单元，被配置为确定目标区域的图像特征；第三确定单元，被配置为基于目标区域的图像特征，确定目标建筑物的屋顶信息和侧棱信息；以及建模单元，被配置为基于屋顶信息和侧棱信息，对目标建筑物进行建模。

根据本公开的一方面，提供了一种用于图像处理的神经网络模型的训练装置，神经网络模型包括候选区域提取网络、图像特征提取网络以及图像处理任务网络，训练装置包括：获取单元，被配置为获取样本图像和样本真实信息，样本图像包括至少一个样本建筑物，样本真实信息包括至少一个样本建筑物中的每一个样本建筑物的真实屋顶信息和真实侧棱信息；第四确定单元，被配置为利用候选区域提取网络在样本图像中确定至少一个第一样本目标区域，至少一个第一样本目标区域中的每一个第一样本目标区域包括至少一个样本建筑物中的一个样本建筑物；第五确定单元，被配置为针对至少一个第一样本目标区域中的每一个第一样本目标区域，利用图像特征提取网络确定该第一样本目标区域的图像特征；第六确定单元，被配置为利用图像处理任务网络基于该第一样本目标区域的图像特征，确定该第一样本目标区域所包括的样本建筑物的样本屋顶信息和样本侧棱信息；以及调参单元，被配置为基于该样本建筑物的样本屋顶信息、样本侧棱信息、真实屋顶信息和真实侧棱信息，调整神经网络模型的参数。

根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中存储器存储有可被至少一个处理器执行的指令，这些指令被至少一个处理器执行，以使至少一个处理器能够执行上述方法。

根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，计算机指令用于使计算机执行上述方法。

根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，其中，计算机程序在被处理器执行时实现上述方法。

根据本公开的一个或多个实施例，通过复用目标区域的图像特征对图像中的建筑物的屋顶和侧棱进行多任务处理，简化了多任务处理的流程，提升了图像处理过程的效率，并且能够充分利用多任务之间的共性特征，从而提升得到的屋顶信息、侧棱信息以及建模结果的准确性。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

附图示例性地示出了实施例并且构成说明书的一部分，与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的，并不限制权利要求的范围。在所有附图中，相同的附图标记指代类似但不一定相同的要素。

图1示出了根据本公开的实施例的可以在其中实施本文描述的各种方法的示例性系统的示意图；

图2示出了根据本公开示例性实施例的图像处理方法的流程图；

图3示出了根据本公开示例性实施例的神经网络模型的示意图；

图4示出了根据本公开示例性实施例的候选区域提取网络的示意图；

图5示出了根据本公开示例性实施例的基于屋顶信息和侧棱信息，对目标建筑物进行建模的流程图；

图6示出了根据本公开示例性实施例的基于目标区域的图像特征，确定目标建筑物的屋顶信息和侧棱信息的流程图；

图7示出了根据本公开示例性实施例的图像任务处理网络的示意图；

图8示出了根据本公开示例性实施例的建筑物检测网络的示意图；

图9示出了根据本公开示例性实施例的屋顶分割网络的示意图；

图10示出了根据本公开示例性实施例的屋顶关键点检测网络的示意图；

图11示出了根据本公开示例性实施例的基于目标区域的图像特征，确定目标建筑物的屋顶信息和侧棱信息的流程图；

图12示出了根据本公开示例性实施例的基于第一修正区域的图像特征，确定屋顶信息和侧棱信息的流程图；

图13示出了根据本公开示例性实施例的对目标区域进行多次修正的示意图；

图14示出了根据本公开示例性实施例的用于图像处理的神经网络模型的训练方法的流程图；

图15示出了根据本公开示例性实施例的确定该第一样本目标区域所包括的样本建筑物的样本屋顶信息和样本侧棱信息的流程图；

图16示出了根据本公开示例性实施例的获取样本图像和样本真实信息的流程图；

图17示出了根据本公开示例性实施例的利用候选区域提取网络在样本图像中确定至少一个第一样本目标区域的流程图；

图18示出了根据本公开示例性实施例的利用候选区域提取网络在样本图像中确定至少一个候选区域的流程图；

图19示出了根据本公开示例性实施例的确定该第一样本目标区域所包括的样本建筑物的样本屋顶信息和样本侧棱信息的流程图；

图20示出了根据本公开示例性实施例的确定该第一样本目标区域所包括的样本建筑物的样本屋顶信息和样本侧棱信息的流程图；

图21示出了根据本公开示例性实施例的图像处理装置的结构框图；

图22示出了根据本公开示例性实施例的用于图像处理的神经网络模型的训练装置的结构框图；以及

图23示出了能够用于实现本公开的实施例的示例性电子设备的结构框图。

具体实施方式

以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

在本公开中，除非另有说明，否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系，这种术语只是用于将一个元件与另一元件区分开。在一些示例中，第一要素和第二要素可以指向该要素的同一实例，而在某些情况下，基于上下文的描述，它们也可以指代不同实例。

在本公开中对各种所述示例的描述中所使用的术语只是为了描述特定示例的目的，而并非旨在进行限制。除非上下文另外明确地表明，如果不特意限定要素的数量，则该要素可以是一个也可以是多个。此外，本公开中所使用的术语“和/或”涵盖所列出的项目中的任何一个以及全部可能的组合方式。

相关技术中，针对不同的图像处理任务分别使用不同的模型或方法进行处理，使得图像处理流程复杂，并且无法有效利用任务之间的关联。

为解决上述问题，本公开通过复用目标区域的图像特征对图像中的建筑物的屋顶和侧棱进行多任务处理，简化了多任务处理的流程，提升了图像处理过程的效率，并且能够充分利用多任务之间的共性特征，从而提升得到的屋顶信息、侧棱信息以及建模结果的准确性。

下面将结合附图详细描述本公开的实施例。

图1示出了根据本公开的实施例可以将本文描述的各种方法和装置在其中实施的示例性系统100的示意图。参考图1，该系统100包括一个或多个客户端设备101、102、103、104、105和106、服务器120以及将一个或多个客户端设备耦接到服务器120的一个或多个通信网络110。客户端设备101、102、103、104、105和106可以被配置为执行一个或多个应用程序。

在本公开的实施例中，服务器120可以运行使得能够执行图像处理方法或用于图像处理的神经网络模型的训练方法的一个或多个服务或软件应用。

在某些实施例中，服务器120还可以提供可以包括非虚拟环境和虚拟环境的其他服务或软件应用。在某些实施例中，这些服务可以作为基于web的服务或云服务提供，例如在软件即服务(SaaS)网络下提供给客户端设备101、102、103、104、105和/或106的用户。

在图1所示的配置中，服务器120可以包括实现由服务器120执行的功能的一个或多个组件。这些组件可以包括可由一个或多个处理器执行的软件组件、硬件组件或其组合。操作客户端设备101、102、103、104、105和/或106的用户可以依次利用一个或多个客户端应用程序来与服务器120进行交互以利用这些组件提供的服务。应当理解，各种不同的系统配置是可能的，其可以与系统100不同。因此，图1是用于实施本文所描述的各种方法的系统的一个示例，并且不旨在进行限制。

用户可以使用客户端设备101、102、103、104、105和/或106来进行人机交互。客户端设备可以提供使客户端设备的用户能够与客户端设备进行交互的接口。客户端设备还可以经由该接口向用户输出信息。尽管图1仅描绘了六种客户端设备，但是本领域技术人员将能够理解，本公开可以支持任何数量的客户端设备。

客户端设备101、102、103、104、105和/或106可以包括各种类型的计算机设备，例如便携式手持设备、通用计算机(诸如个人计算机和膝上型计算机)、工作站计算机、可穿戴设备、智能屏设备、自助服务终端设备、服务机器人、游戏系统、瘦客户端、各种消息收发设备、传感器或其他感测设备等。这些计算机设备可以运行各种类型和版本的软件应用程序和操作系统，例如MICROSOFT Windows、APPLE iOS、类UNIX操作系统、Linux或类Linux操作系统(例如GOOGLE Chrome OS)；或包括各种移动操作系统，例如MICROSOFT WindowsMobile OS、iOS、Windows Phone、Android。便携式手持设备可以包括蜂窝电话、智能电话、平板电脑、个人数字助理(PDA)等。可穿戴设备可以包括头戴式显示器(诸如智能眼镜)和其他设备。游戏系统可以包括各种手持式游戏设备、支持互联网的游戏设备等。客户端设备能够执行各种不同的应用程序，例如各种与Internet相关的应用程序、通信应用程序(例如电子邮件应用程序)、短消息服务(SMS)应用程序，并且可以使用各种通信协议。

网络110可以是本领域技术人员熟知的任何类型的网络，其可以使用多种可用协议中的任何一种(包括但不限于TCP/IP、SNA、IPX等)来支持数据通信。仅作为示例，一个或多个网络110可以是局域网(LAN)、基于以太网的网络、令牌环、广域网(WAN)、因特网、虚拟网络、虚拟专用网络(VPN)、内部网、外部网、公共交换电话网(PSTN)、红外网络、无线网络(例如蓝牙、WIFI)和/或这些和/或其他网络的任意组合。

服务器120可以包括一个或多个通用计算机、专用服务器计算机(例如PC(个人计算机)服务器、UNIX服务器、中端服务器)、刀片式服务器、大型计算机、服务器群集或任何其他适当的布置和/或组合。服务器120可以包括运行虚拟操作系统的一个或多个虚拟机，或者涉及虚拟化的其他计算架构(例如可以被虚拟化以维护服务器的虚拟存储设备的逻辑存储设备的一个或多个灵活池)。在各种实施例中，服务器120可以运行提供下文所描述的功能的一个或多个服务或软件应用。

服务器120中的计算单元可以运行包括上述任何操作系统以及任何商业上可用的服务器操作系统的一个或多个操作系统。服务器120还可以运行各种附加服务器应用程序和/或中间层应用程序中的任何一个，包括HTTP服务器、FTP服务器、CGI服务器、JAVA服务器、数据库服务器等。

在一些实施方式中，服务器120可以包括一个或多个应用程序，以分析和合并从客户端设备101、102、103、104、105和106的用户接收的数据馈送和/或事件更新。服务器120还可以包括一个或多个应用程序，以经由客户端设备101、102、103、104、105和106的一个或多个显示设备来显示数据馈送和/或实时事件。

在一些实施方式中，服务器120可以为分布式系统的服务器，或者是结合了区块链的服务器。服务器120也可以是云服务器，或者是带人工智能技术的智能云计算服务器或智能云主机。云服务器是云计算服务体系中的一项主机产品，以解决传统物理主机与虚拟专用服务器(VPS，Virtual Private Server)服务中存在的管理难度大、业务扩展性弱的缺陷。

系统100还可以包括一个或多个数据库130。在某些实施例中，这些数据库可以用于存储数据和其他信息。例如，数据库130中的一个或多个可用于存储诸如音频文件和视频文件的信息。数据库130可以驻留在各种位置。例如，由服务器120使用的数据存储库可以在服务器120本地，或者可以远离服务器120且可以经由基于网络或专用的连接与服务器120通信。数据库130可以是不同的类型。在某些实施例中，由服务器120使用的数据库可以是数据库，例如关系数据库。这些数据库中的一个或多个可以响应于命令而存储、更新和检索到数据库以及来自数据库的数据。

在某些实施例中，数据库130中的一个或多个还可以由应用程序使用来存储应用程序数据。由应用程序使用的数据库可以是不同类型的数据库，例如键值存储库，对象存储库或由文件系统支持的常规存储库。

图1的系统100可以以各种方式配置和操作，以使得能够应用根据本公开所描述的各种方法和装置。

根据本公开的一方面，提供了一种图像处理方法。如图2所示，图像处理方法包括：步骤S201、在待处理图像中确定目标区域，目标区域包括目标建筑物；步骤S202、确定目标区域的图像特征；步骤S203、基于目标区域的图像特征，确定目标建筑物的屋顶信息和侧棱信息；以及步骤S204、基于屋顶信息和侧棱信息，对目标建筑物进行建模。

由此，通过复用目标区域的图像特征对图像中的建筑物的屋顶和侧棱进行多任务处理，简化了多任务处理的流程，提升了图像处理过程的效率，并且能够充分利用多任务之间的共性特征，从而提升得到的屋顶信息、侧棱信息以及建模结果的准确性。

根据一些实施例，待处理图像可以是对卫星图像数据(也被称为卫星地图数据或卫星地图)进行切分而得到的。本公开的方法可以用于基于卫星图像数据进行多任务处理，从而提取出卫星图像数据中的建筑物信息，进而利用建筑物信息实现了对建筑物的低成本建模。

卫星图像数据中可以包括大量的建筑物。在数据准备阶段，可以对卫星地图进行重叠切分并保存坐标信息，原则是保证每一个建筑物都至少出现在一个滑窗内。在一个示例性实施例中，卫星图像数据的尺寸大小为20000×800，可以通过带重叠的滑动窗口，将其切割为640×640的小图(右边缘和下边缘图像尺寸小于640×640)，作为待处理图像。

可以理解的是，除上述方式外，还可以根据需求采用其他方式对卫星图像数据进行切分以得到待处理图像，或者通过其他方式获取待处理图像，在此不作限定。

在一些实施例中，在得到待处理图像后可以对待处理图像进行预处理。在一个示例性实施例中，首先对图像进行保持长宽比的短边缩放1200×1200(表示短边缩放到1200，若长边大于1200，则限制长边为1200，保持长宽比进行缩放)。需要注意的是，推理阶段的待处理图像的尺寸是如下文将要介绍的训练阶段的样本图像的尺度的1.2倍。然后可以进行归一化，减去均值并除以方差，以使得每一个像素的数值满足神经网络模型的输入要求(0-1之间)。最后可以进行填充(padding)，保证图像长和宽都是32的倍数。

可以理解的是，除上述方式外，还可以根据需求采用其他方式对待处理图像进行预处理，在此不作限定。

在一些实施例中，在步骤S201，可以在待处理图像中确定包括建筑物的区域，从而使得在接下来的步骤中完成该区域中的目标建筑物的屋顶信息和侧棱信息的检测，以及基于这些信息对目标建筑物进行建模。

在一些实施例中，本公开的图像处理方法可以利用神经网络模型实现。如图3所示，神经网络模型300可以包括候选区域提取网络302。在步骤S201，可以利用候选区域提取网络在待处理图像中确定目标区域。候选区域提取网络可以在待处理图像中确定一个或多个备选区域，并判断这些备选区域中是否包括建筑物。进而，可以逐一将包括建筑物的备选区域作为目标区域进行处理。

可以理解的是，本公开的图像处理方法所使用神经网络模型可以利用下文将要描述的用于图像处理的神经网络模型的训练方法进行训练而得到的。

在一些实施例中，如图3所示，神经网络模型300还可以包括图像特征提取器306。在步骤S201之前，可以先利用图像特征提取器提取待处理图像的图像特征，进而在步骤S201，候选区域提取网络可以基于待处理图像的图像特征确定目标区域。在一些示例性实施例中，图像特征提取器可以采用ResNet50和特征图金字塔网络(Feature PyramidNetworks，FPN)组合的结构，ResNet50也可以替换为VGG、Inception、ResNeXt等其他的图像特征提取器；FPN也可以采用其他变体，例如BiFPN。

可以理解的是，图像特征提取器还可以采用其他的网络结构，以实现图像特征提取功能，在此不作限定。

在一些实施例中，候选区域提取网络302可以采用区域生成网络(RegionProposal Network，RPN)。区域生成网络预先设置多个锚框，并针对每一个锚框判断该锚框是否包括前景内容(例如，建筑物)，再针对确定包括前景内容的锚框回归用于修正该锚框(例如，该包括的位置、形状和尺寸)的偏移信息，从而得到准确的包围前景内容的检测框，即目标区域。

在一个示例性实施例中，如图4所示，候选区域提取网络400可以包括两个3×3的卷积层402和404，对锚框的图像特征410进行深度特征提取。这两个卷积层之间可以使用线性整流单元(Rectified Linear Unit，ReLU)作为激活函数。进而，可以利用分类头406(例如，全连接层)基于提取的锚框的深度特征得到表征锚框是否为前景(例如，是否包括建筑物)的分类结果412，并利用回归头408(例如，全连接层)针对被判断为前景的锚框，基于提取的锚框的深度特征回归对锚框的位置、宽度、高度等信息的偏移量414。最后基于该偏移量414修正对应的锚框，从而得到更准确的检测框，以用于下游的进一步处理。

针对同一建筑物，候选区域提取网络可能会检测到大量部分包围或完整包围该建筑物的锚框，可以对这些锚框(或对锚框进行修正后得到的检测框)进行非极大值抑制(Non-Maximum Suppression，NMS)等处理，从而滤除重叠并筛选高质量检测框作为目标区域以执行后续步骤。

可以理解的是，候选区域提取网络还可以采用其他的网络结构，以实现候选区域提取功能。

在一些实施例中，在步骤S202，可以直接将待处理图像的图像特征中的与目标区域对应的部分确定为目标区域的图像特征，也可以对待处理图像中的与目标区域对应的部分进行图像特征提取，还可以采用其他方式，以得到目标区域的图像特征。

在一些实施例中，如图3所示，神经网络模型300还可以包括候选特征提取器308。在步骤S202，可以利用候选特征提取器308基于候选区域提取网络302输出的目标区域和图像特征提取器306输出的待处理图像的图像特征，确定目标区域的图像特征。在一个示例性实施例中，候选特征提取器可以采用兴趣区域池化(Region of interest pooling，ROIpooling)或兴趣区域对齐(Region of interest align，ROI align)等手段进行目标区域的图像特征提取，也可以使用其他方式，在此不作限定。

可以理解的是，如图3所示，图像特征提取器306和候选特征提取器308可以作为图像特征提取网络304的一部分。

在一些实施例中，在步骤S203，可以基于目标区域的图像特征分别进行屋顶信息检测和侧棱信息检测，以得到相应的结果。由于在后续步骤中，需要基于屋顶信息和侧棱信息对目标建筑物进行建模，因此屋顶信息可以包括目标建筑物的屋顶形状信息(屋顶形状可以被认为是截面形状或底面形状)，而侧棱信息可以包括目标建筑物的高度信息。

在一些实施例中，如图3所示，神经网络模型300还可以包括图像任务处理网络310，用于基于候选特征提取器308输出的目标区域的图像特征执行不同的任务(例如，屋顶信息检测和侧棱信息检测)，以输出屋顶信息314和侧棱信息316。

在一些实施例中，由于待处理图像是通过对卫星图像数据进行切分而得到的，因此部分待处理图像中可能包括不完整的建筑物，这会导致在待处理图像中确定的目标区域可能也会包括不完整的建筑物。此外，尽管在执行步骤S201以确定目标区域时会判断目标区域是否包括建筑物(例如，利用候选区域提取网络对每一个锚框是否包括前景内容进行判断)，但这样的初步判断并不一定完全准确。在一些情况下，目标区域中可能并不包括建筑物。

因此，在基于目标区域的图像特征执行屋顶信息检测和侧棱信息检测等图像处理任务之前，可以先判断目标区域中是否包括完整的建筑物，并对包括完整的建筑物的目标区域执行这些后续处理任务。事实上，判断目标区域是否包括完整的建筑物也可以被视为一项图像处理任务。

根据一些实施例，如图5所示，步骤S204、基于屋顶信息和侧棱信息，对目标建筑物进行建模可以包括：步骤S501、基于屋顶信息，确定目标建筑物的底面形状；步骤S502、基于侧棱信息，确定目标建筑物的高度；以及步骤S503、基于底面形状和高度，对目标建筑物进行建模。由此，通过确定目标建筑物的底面形状和高度，能够确定目标建筑物的整体形状，从而实现对目标建筑物的低成本快速建模。

在一些实施例中，在步骤S503，基于目标建筑物的底面形状和高度，可以将目标建筑物建模为直棱柱，该直棱柱的上下底面的形状与所确定的目标建筑物的底面形状相同，该直棱柱的高度与目标建筑物的高度相同。

在一些实施例中，在获取到对卫星图像数据重叠切分后得到的每一个目标区域中的目标建筑物的信息后，可以根据对卫星图像数据进行切分时所确定的坐标信息，将所有建筑物的信息还原到原始的卫星图像数据中。进一步地，可以对所有还原后的信息施加非极大值抑制操作，用于滤除重叠切分带来的建筑物重复预测。最终，可以针对过滤后的每一个建筑物信息进行建模，从而得到与卫星图像数据对应的三维模型。

回到步骤S203。根据一些实施例，如图6所示，步骤S203、基于目标区域的图像特征，确定目标建筑物的屋顶信息和侧棱信息可以包括：步骤S601、基于目标区域的图像特征对目标区域进行建筑物检测，以得到指示目标区域是否包括完整的建筑物的检测结果。响应于确定检测结果指示目标区域包括完整的建筑物，可以执行后续的步骤和子步骤，以确定目标建筑物的屋顶信息和侧棱信息，并基于目标建筑物的屋顶信息和侧棱信息对目标建筑物进行建模。响应于确定检测结果指示目标区域不包括完整的建筑物(例如，包括不完整的建筑物或不包括建筑物)，则可以跳过对目标区域的后续的步骤和子步骤。

由此，通过上述方式，能够避免对不包括完整建筑物的目标区域进行处理，简化了图像处理的流程，提升了图像处理的速度，节省了计算资源。

根据一些实施例，如图6所示，如图步骤S203、基于目标区域的图像特征，确定目标建筑物的屋顶信息和侧棱信息可以包括：步骤S602、基于目标区域的图像特征，确定用于修正目标区域的第一偏移信息；步骤S603、基于第一偏移信息对目标区域进行修正，以得到第一修正区域。由此，实现了对目标区域的进一步精确回归修正，从而得到对目标建筑物的更准确的检测框。

在一些实施例中，如图7所示，图像任务处理网络702可以包括建筑物检测网络704，用于执行上述步骤S601和步骤S602，即基于目标区域的图像特征712生成检测结果714和第一偏移信息716。

在一个示例性实施例中，如图8所示，建筑物检测网络800可以包括两个共享参数的全连接层802和804，对目标区域的图像特征810进行建筑物检测特征提取。这两个全连接层之间可以使用线性整流单元(Rectified Linear Unit，ReLU)作为激活函数。进而，可以利用分类头806(例如，全连接层)基于提取的目标区域的建筑物检测特征得到表征目标区域是否包括完整建筑物的分类结果812(例如，不包括建筑物、包括完整建筑物和包括非完整建筑物的三分类结果)，并利用回归头808(例如，全连接层)针对被判断为包括完整建筑物的目标区域，基于提取的目标区域的建筑物检测特征回归对目标区域的位置、宽度、高度等信息的偏移量814。最后基于该偏移量814修正对应的目标区域，从而得到更准确的检测框(即，第一修正区域)，以用于作为结果输出或用于下游的进一步处理。

根据一些实施例，如图6所示，如图步骤S203、基于目标区域的图像特征，确定目标建筑物的屋顶信息和侧棱信息可以包括：步骤S604、基于目标区域的图像特征对目标区域进行屋顶实例分割，以得到表征目标建筑物的屋顶区域的屋顶分割结果；以及步骤S605、基于目标区域的图像特征对目标区域进行屋顶关键点检测，以得到表征屋顶区域的顶点的多个屋顶关键点，其中，屋顶信息包括屋顶分割结果和多个屋顶关键点。

由此，通过使用实例分割和关键点检测两种方式，使得能够得到更丰富的屋顶信息，从而能够生成更准确的目标建筑物建模结果。此外，由于实例分割和关键点检测两个任务复用了目标区域的图像特征，因此能够充分利用这两个任务之间的共性特征以简化多任务处理的流程，并且能够提升这两个任务各自的结果的准确性。

在一些实施例中，如图7所示，图像任务处理网络702可以包括屋顶分割网络706和屋顶关键点检测网络708，分别用于执行上述步骤S604和步骤S605，即基于目标区域的图像特征712生成屋顶分割结果718和多个屋顶关键点720。

在一些实施例中，屋顶分割结果可以包括对目标区域中的每一个像素的标注结果，所有的标注结果指示属于屋顶区域的像素共同表征目标区域所包括的目标建筑物的屋顶区域。可以理解的是，还可以基于这些标注结果进行后处理，以得到更合理、更准确的屋顶分割结果。

在一个示例性实施例中，如图9所示，屋顶分割网络900可以包括用于下采样的卷积层902和用于上采样的反卷积层904，以用于基于目标区域的图像特征906生成屋顶分割结果908。可以理解的是，屋顶分割网络还可以采用其他的网络结构，在此不作限定。

根据一些实施例，步骤S605、基于目标区域的图像特征对目标区域进行屋顶关键点检测，以得到表征屋顶区域的顶点的多个屋顶关键点可以包括：基于目标区域的图像特征，确定多个屋顶关键点各自的坐标和可见度。

在一些实施例中，屋顶关键点可以表征目标区域中的目标建筑物的屋顶区域的顶点。屋顶关键点的坐标可以是相对于目标区域(或修正区域)的中心点的偏移量。屋顶关键点的可见度可以表征在待处理图像中该关键点的可见程度。在一些实施例中，卫星图像数据中的建筑物之间可能会存在遮挡，导致一些建筑物的屋顶关键点不可见。基于目标区域的图像特征可能仍能够预测出这些不可见的屋顶关键点，不可见的屋顶关键点的可见度较低(例如为0或接近0)。

在一些实施例中，在步骤S605，基于目标区域的图像特征对目标区域进行屋顶关键点检测，可以得到一个长度为预设屋顶关键点数量n_MAX_ROOF×3的屋顶关键点向量，其中，n_MAX_ROOF指示最大屋顶关键点数量。屋顶关键点向量可以以每三个值为单位分为n_MAX_ROOF组，每一组中的三个值分别表示对应的屋顶关键点的x偏移量、y偏移量和可见度。在屋顶关键点向量中，多个屋顶关键点可以是特定顺序进行排列的，例如，从位于目标区域的左上的关键点开始顺时针或逆时针排列。

通常情况下，在步骤S605得到的屋顶关键点向量中，只有前n_ROOF个屋顶关键点对应的可见度较高，而后面的n_MAX_ROOF–n_ROOF个关键点的可见度较低(例如为0或接近0)，这表明在目标区域中检测到了n_ROOF个屋顶关键点。因此，屋顶关键点的可见度也可以表征多个屋顶关键点的信息是否已输出完毕。

在一个示例性实施例中，如图10所示，屋顶关键点检测网络1000可以包括两个共享参数的全连接层1002和1004，对目标区域的图像特征1008进行屋顶关键点特征提取。这两个全连接层之间可以使用线性整流单元(Rectified Linear Unit，ReLU)作为激活函数。进而，可以利用回归头1006(例如，全连接层)基于提取的目标区域的屋顶关键点特征得到多个屋顶关键点1010(例如，上述屋顶关键点向量)。

在一些实施例中，步骤S501、基于屋顶信息，确定目标建筑物的底面形状可以包括：基于屋顶分割结果和多个屋顶关键点，确定目标建筑物的底面形状。

在一些实施例中，现有的实例分割技术得到区域的边缘可能会产生较多毛刺，并且可能会出现无棱角等问题。尽管通过对屋顶分割网络和屋顶关键点检测网络(以及候选区域提取网络和图像特征提取网络)进行联合优化(如下文将要描述的)能够缓解乃至克服该问题，但得到的屋顶分割结果仍可能存在其他瑕疵。此外，由于屋顶中的部分区域可能存在遮挡，导致部分屋顶顶点无法被准确检测。因此，通过基于屋顶分割结果和多个屋顶关键点确定目标建筑物的底面形状(例如，根据多个屋顶关键点修正屋顶分割结果等后处理方式)，使得能够解决实例分割和关键点检测两个任务各自存在的上述问题，从而得到准确的目标建筑物的屋顶区域形状，也即底面形状。

根据一些实施例，如图6所示，如图步骤S203、基于目标区域的图像特征，确定目标建筑物的屋顶信息和侧棱信息可以包括：步骤S606、基于目标区域的图像特征对目标区域进行侧棱关键点检测，以得到表征目标建筑物的侧棱的端点的多个侧棱关键点，其中，侧棱信息包括多个侧棱关键点。

由此，通过检测多个侧棱关键点，使得能够得到更丰富的侧棱信息，从而能够生成更准确的目标建筑物建模结果。此外，由于屋顶关键点检测和上文描述的检测屋顶信息的任务复用了目标区域的图像特征，因此能够充分利用这两个任务之间的共性特征以简化多任务处理的流程，并且能够提升这两个任务各自的结果的准确性。

在一些实施例中，如图7所示，图像任务处理网络702还可以包括侧棱关键点检测网络710，用于执行上述步骤S606，即基于目标区域的图像特征712生成多个侧棱关键点722。

在一个示例性实施例中，侧棱关键点检测网络的结构可以与图10中的屋顶关键点检测网络1000类似，在此不作赘述。

在一些实施例中，侧棱关键点可以表征目标区域中的目标建筑物的侧棱的端点。侧棱关键点的坐标可以是相对于目标区域(或修正区域)的中心点的偏移量。侧棱关键点的可见度可以表征在待处理图像中该关键点的可见程度。在一些实施例中，卫星图像数据中的建筑物之间可能会存在遮挡，导致一些建筑物的侧棱关键点不可见。基于目标区域的图像特征可能仍能够预测出这些不可见的侧棱关键点，不可见的侧棱关键点的可见度较低(例如为0或接近0)。

在一些实施例中，在步骤S606，基于目标区域的图像特征对目标区域进行侧棱关键点检测，可以得到一个长度为预设侧棱数量n_MAX_EDGE×2×3的侧棱关键点向量，其中，n_MAX_EDGE指示最大侧棱数量。侧棱关键点向量可以以每六个值为单位分为n_MAX_EDGE组，每一组中的前三个值分别表示对应的棱的上方的关键点(或下方的关键点)的x偏移量、y偏移量和可见度，后三个值分别表示对应的棱的下方的关键点(或上方的关键点)的x偏移量、y偏移量和可见度。在侧棱关键点向量中，多个侧棱可以是特定顺序进行排列的，例如，从位于目标区域的左上的关键点开始顺时针或逆时针排列。

通常情况下，在步骤S606得到的侧棱关键点向量中，只有前n_EDGE×2个侧棱关键点对应的可见度较高，而后面的(n_MAX_EDGE–n_EDGE)×2个关键点的可见度较低(例如为0或接近0)，这表明在目标区域中检测到了n_EDGE个侧棱的关键点。因此，侧棱关键点的可见度也可以表征多个侧棱关键点的信息是否已输出完毕。

根据一些实施例，多个侧棱关键点可以包括表征目标建筑物的同一个侧棱的两个端点的两个侧棱关键点。步骤S606、基于目标区域的图像特征对目标区域进行侧棱关键点检测，以得到表征目标建筑物的侧棱的端点的多个侧棱关键点包括：基于目标区域的图像特征，确定两个侧棱关键点各自的坐标和可见度。

在一些实施例中，步骤S502、基于侧棱信息，确定目标建筑物的高度可以包括：响应于确定两个侧棱关键点各自的可见度均大于预设可见度阈值，基于两个侧棱关键点各自的坐标，确定目标建筑物的高度。由此，通过检测目标建筑物的同一个侧棱的两个侧棱关键点，并基于这两个侧棱关键点的坐标和可见度确定目标建筑物的高度(即，侧棱的长度)，使得能够以最低成本得到目标建筑物的高度，降低了计算量，提升了图像处理过程的效率，从而实现对目标建筑物的低成本快速建模。

在一些实施例中，在侧棱关键点的可见度不大于预设可见度阈值时，可以根据预先确定的规则设置对应的目标建筑物的高度。在一个示例性实施例中，当两个侧棱关键点中的下方的关键点的可见度不大于预设可见度阈值时，或者两个侧棱关键点的可见度均不大于预设可见度阈值时，可以认为对应的目标建筑物为平房，从而将其高度确定为预设的平房高度。在一个示例性实施例中，当目标区域和包括其他建筑物的其他区域部分重叠，并且目标区域中的目标建筑物的两个侧棱关键点中的下方的关键点的可见度不大于预设可见度阈值时，可以认为目标建筑物的高度与其他建筑物的高度相仿，从而将目标建筑物的高度确定为其他建筑物的高度。

可以理解的是，以上仅为示例性设置目标建筑物的高度的规则。在实施本公开的方法时，还可以采用其他规则在侧棱关键点可见度低的情形下确定目标建筑物的高度，在此不作限定。

根据一些实施例，如上文所描述的，可以生成用于修正目标区域的第一偏移信息，并基于第一偏移信息修正目标区域，以得到第一修正区域。考虑到相比于目标区域，第一修正区域能够更准确地包围目标区域中的目标建筑物，因此可以确定第一修正区域的图像特征，并利用第一修正区域的图像特征得到更准确的屋顶信息和侧棱信息，提升目标建筑物的建模质量。如图11所示，步骤S203、基于目标区域的图像特征，确定目标建筑物的屋顶信息和侧棱信息可以包括：步骤S1101、基于目标区域的图像特征，确定用于修正目标区域的第一偏移信息；步骤S1102、基于第一偏移信息对目标区域进行修正，以得到第一修正区域；步骤S1103、确定第一修正区域的图像特征；以及步骤S1104、基于第一修正区域的图像特征，确定屋顶信息和侧棱信息。可以理解的是，图11中的步骤S1101-步骤S1102和图6中的步骤S602-步骤S603类似，在此不作赘述。

在一些实施例中，在步骤S1103，可以参照步骤S202提取第一修正区域的图像特征。在一个示例性实施例中，可以利用图像特征提取网络提取第一修正区域的图像特征。

在一些实施例中，在步骤S1104，可以基于第一修正区域的图像特征分别进行屋顶信息检测和侧棱信息检测，以得到更准确的屋顶信息和侧棱信息。在一个示例性实施例中，可以参照步骤S604-步骤S606以基于第一修正区域的图像特征得到屋顶分割结果、多个屋顶关键点和两个侧棱关键点。

根据一些实施例，如图12所示，步骤S1104、基于第一修正区域的图像特征，确定屋顶信息和侧棱信息包括：步骤S1201、基于第一修正区域的图像特征，确定用于修正第一修正区域的第二偏移信息；步骤S1202、基于第二偏移信息对第一修正区域进行修正，以得到第二修正区域；步骤S1203、确定第二修正区域的图像特征；以及步骤S1204、基于第二修正区域的图像特征和第一修正区域的图像特征，确定屋顶信息和侧棱信息。

由此，通过对第一修正区域进行进一步修正，能够得到更准确地包围目标建筑物的第二修正区域，进而根据第二修正区域的图像特征和第一修正区域的图像特征，能够得到更准确的屋顶信息和侧棱信息，进一步提升目标建筑物的建模质量。

可以理解的是，步骤S1201-步骤S1203的操作可以参照步骤S1101-步骤S1103的操作，在此不作赘述。

在一些实施例中，在步骤S1204，可以将第二修正区域的图像特征和第一修正区域的图像特征进行融合，并基于融合后的图像特征分别进行屋顶信息检测和侧棱信息检测，以得到更准确的屋顶信息和侧棱信息。在一些实施例中，可以将第二修正区域的图像特征和第一修正区域的图像特征进行直接相加、加权融合、拼接、利用小型神经网络模型进行处理或上述方法的任意组合以得到融合后的图像特征。在一个示例性实施例中，可以利用小型神经网络模型将两个图像特征压缩到同一维度后进行点加操作，以实现特征融合。

在一个示例性实施例中，可以参照步骤S604-步骤S606以基于上述融合后的图像特征得到屋顶分割结果、多个屋顶关键点和两个侧棱关键点。

在一些实施例中，还可以对第二修正区域进行进一步修正，以得到第三修正区域乃至更多次修正后得到的区域，在此不作限定。

根据一些实施例，步骤S1104、基于第一修正区域的图像特征，确定屋顶信息和侧棱信息还可以包括：基于目标区域的图像特征和第一修正区域的图像特征，确定目标建筑物的第一屋顶信息和第一侧棱信息。步骤S1204、基于第二修正区域的图像特征和第一修正区域的图像特征，确定屋顶信息和侧棱信息可以包括：基于第二修正区域的图像特征和第一修正区域的图像特征，确定目标建筑物的第二屋顶信息和第二侧棱信息；以及将第一屋顶信息和第一侧棱信息分别与第二屋顶信息和第二侧棱信息进行融合，以得到屋顶信息和侧棱信息。

由此，通过上述方式，实现了在每一次修正后，使用修正前的区域的图像特征和修正后的区域的图像特征得到与该次修正对应的屋顶信息和侧棱信息，并将每次修正对应的屋顶信息和侧棱信息分别进行融合，以得到更准确的屋顶信息和侧棱信息。此外，这样的方式能够充分复用不同的图像处理任务(屋顶信息检测、侧棱信息检测)之间的共性特征，提升任务处理结果的准确性。

在一些实施例中，针对第i次修正，可以将第i–1次修正后的区域(可以将目标区域视为第0次修正后的区域)的图像特征和第i次修正后的区域的图像特征进行融合(例如，直接相加、加权融合、拼接、利用小型神经网络模型进行处理或上述方法的任意组合)，并利用融合后的特征确定与第i次修正对应的屋顶信息和侧棱信息。进而，可以使用不同的权重将每一次修正对应的第i屋顶信息和第i侧棱信息分别进行融合，以得到目标建筑物的屋顶信息和侧棱信息。融合的权重例如可以是在训练阶段与第i次修正对应的匹配过程所使用的交并比阈值。

在一个示例性实施例中，可以对目标区域进行三次修正。如图13所示，基于待处理图像的图像特征1302和目标区域1304，可以得到目标区域的图像特征1306。基于目标区域的图像特征1306，可以确定用于修正目标区域的第一偏移信息，进而得到第一修正区域1308。基于待处理图像的图像特征1302和第一修正区域1308，可以得到第一修正区域的图像特征1310。基于目标区域的图像特征1306和第一修正区域的图像特征1310，可以得到第一屋顶信息和第一侧棱信息1312。基于类似的过程，可以依次得到第二修正区域1314、第二修正区域的图像特征1216、第二屋顶信息和第二侧棱信息1318、第三修正区域1320、第三修正区域的图像特征1322以及第三屋顶信息和第三侧棱信息1324。

在得到第一屋顶信息、第一侧棱信息、第二屋顶信息、第二侧棱信息、第三屋顶信息和第三侧棱信息之后，可以根据预设的权重将这些屋顶信息和侧棱信息分别进行融合，以得到最终的屋顶信息和侧棱信息(图13中未示出)。

根据本公开的另一方面，提供了一种用于图像处理的神经网络模型的训练方法。神经网络模型包括候选区域提取网络、图像特征提取网络以及图像处理任务网络。如图14所示，训练方法包括：步骤S1401、获取样本图像和样本真实信息，样本图像包括至少一个样本建筑物，样本真实信息包括至少一个样本建筑物中的每一个样本建筑物的真实屋顶信息和真实侧棱信息；步骤S1402、利用候选区域提取网络在样本图像中确定至少一个第一样本目标区域，至少一个第一样本目标区域中的每一个第一样本目标区域包括至少一个样本建筑物中的一个样本建筑物；步骤S1403、针对至少一个第一样本目标区域中的每一个第一样本目标区域，利用图像特征提取网络确定该第一样本目标区域的图像特征；步骤S1404、利用图像处理任务网络基于该第一样本目标区域的图像特征，确定该第一样本目标区域所包括的样本建筑物的样本屋顶信息和样本侧棱信息；以及步骤S1405、基于该样本建筑物的样本屋顶信息、样本侧棱信息、真实屋顶信息和真实侧棱信息，调整神经网络模型的参数。

可以理解的是，图14中的步骤S1402-步骤S1404的操作与图2中的步骤S201-步骤S203的操作类似，在此不作赘述。

由此，通过将屋顶检测任务和侧棱检测任务进行联合优化，使得神经网络模型能够学习到这两个任务的共性特征，从而使得在利用训练后的神经网络模型执行这两个任务时能够充分利用这样的共性特征以得到更准确的任务处理结果(即屋顶信息和侧棱信息)。

根据一些实施例，在步骤S1401，样本图像可以是对样本卫星图像数据进行切分而得到的。在一些实施例中，如上文所描述的，在推理阶段，可以对待推理的卫星图像数据进行重叠切分，以确保每一个建筑物都至少出现在一个划窗内；在训练阶段，由于没有这样的需求，因此可以对卫星地图进行无重叠切分。在一个示例性实施例中，样本卫星图像数据的尺寸大小为20000×800，可以通过无重叠的滑动窗口，将其切割为640×640的小图(右边缘和下边缘图像尺寸小于640×640)，作为训练数据，即样本数据。

可以理解的是，通过上述切分方式后得到的训练数据中，可能即有包括样本建筑物的图像，也有不包括样本建筑物的图像。尽管这两种图像均可以作为用于训练神经网络模型的样本数据(后者为负样本)，但本公开重点关注包括样本建筑物的图像，因此在本公开的语境下，样本图像中包括至少一个样本建筑物。需要注意的是，样本图像中包括的样本建筑物不一定是完整的建筑物，也可以是非完整的建筑物。

在一些实施例中，样本真实信息可以是通过人工标注或利用其他神经网络模型进行标注而得到的。样本真实信息包括对应的样本图像中的每一个样本建筑物的真实屋顶信息和真实侧棱信息，其中的真实屋顶信息能够表征样本建筑物的屋顶形状信息，而真实侧棱信息能够表征样本建筑物的高度信息。

在一些实施例中，在步骤S1402，可以使用待训练或经训练的候选区域提取网络确定一个或多个样本备选区域，并判断这些区域中是否包括建筑物，并可以将所有包括建筑物的样本备选区域确定为至少一个第一样本目标区域。在一些实施例中，还可以对所有包括建筑物的样本备选区域进行进一步筛选，以得到与包围样本建筑物的样本真实区域匹配的第一样本目标区域，如下文将要描述的。

在一些实施例中，步骤S1403和步骤S1404的操作可以参照图2中的步骤S202-步骤S203的操作。

在一些实施例中，在执行训练方法之前，可以预先确定损失函数，并在训练阶段利用所确定的损失函数基于该样本建筑物的样本屋顶信息、样本侧棱信息、真实屋顶信息和真实侧棱信息计算损失值，进而基于损失值调整神经网络模型的参数。在一个示例性实施例中，可以基于样本屋顶信息和真实屋顶信息计算屋顶信息损失值，并基于样本侧棱信息和真实侧棱信息计算侧棱信息损失值，进而基于这两个损失值调整神经网络模型的参数。

根据一些实施例，真实屋顶信息可以包括真实屋顶分割结果和多个真实屋顶关键点。多个真实屋顶关键点可以表征对应的样本建筑物的屋顶区域的顶点，并且是根据预设排列顺序标注的。真实屋顶分割结果可以是根据预设排列顺序将多个真实屋顶关键点进行连接而得到的。预设排列例如可以为上文所描述的从位于样本目标区域的左上的关键点开始顺时针或逆时针排列。

在一些实施例中，图像处理任务网络可以包括屋顶分割网络和屋顶关键点检测网络。如图15所示，步骤S1404、针对至少一个第一样本目标区域中的每一个第一样本目标区域，确定该第一样本目标区域所包括的样本建筑物的样本屋顶信息和样本侧棱信息可以包括：步骤S1501、利用屋顶分割网络基于该第一样本目标区域的图像特征对该第一样本目标区域进行屋顶实例分割，以得到该第一样本目标区域所包括的样本建筑物的样本屋顶分割结果；以及步骤S1502、利用屋顶关键点检测网络基于该第一样本目标区域的图像特征对该第一样本目标区域进行屋顶关键点检测，以得到该第一样本目标区域所包括的样本建筑物的多个样本屋顶关键点，其中，该第一样本目标区域所包括的样本建筑物的样本屋顶信息包括样本屋顶分割结果和多个样本屋顶关键点。

在一些实施例中，步骤S1405、针对至少一个第一样本目标区域中的每一个第一样本目标区域，基于该第一样本目标区域所包括的样本建筑物的样本屋顶信息、样本侧棱信息、真实屋顶信息和真实侧棱信息，调整神经网络模型的参数可以包括：基于该第一样本目标区域所包括的样本建筑物的真实屋顶分割结果、多个真实屋顶关键点、样本屋顶分割结果和多个样本屋顶关键点，调整神经网络模型的参数。

通常情况下，现有的实例分割标注的点数越多越好，以使得标注结果能够更准确的反映出被标注对象的细节信息，但这样的细节信息一定程度上会使得实例分割模型输出结果的边缘、棱角更粗糙。而在本公开的场景(基于卫星图像数据进行建筑物建模)中，并不需要关注建筑物的屋顶区域的太多细节。因此，可以仅使用相对少量的点数(屋顶关键点的数量)对屋顶区域进行标注。

此外，通过引入屋顶关键点监督信息，并利用屋顶关键点的真实标注信息(groundtruth)得到对屋顶分割结果的真实标注信息，使得能够将屋顶关键点检测和屋顶实例分割两个任务进行强关联，从而缓解乃至克服现有的实例分割技术生成的区域边缘毛刺多、无棱角等问题，从而得到高质量的屋顶信息(表征屋顶区域的形状的屋顶形状信息)。

在一个示例性实施例中，在步骤S1405，可以利用交叉熵损失计算真实屋顶分割结果和样本屋顶分割结果之间的损失值，并且可以利用smoothL1损失函数计算多个真实屋顶关键点和多个样本屋顶关键点之间的损失值，进而基于这两个损失值调整神经网络模型的参数。可以理解的是，可以调整屋顶分割网络和屋顶关键点检测网络的参数，也可以同时调整上游的候选区域提取网络和图像特征提取网络的参数。

根据一些实施例，真实屋顶信息可以包括多个真实屋顶关键点各自的真实坐标和真实可见度。步骤S1502、利用屋顶关键点检测网络基于该第一样本目标区域的图像特征对该第一样本目标区域进行屋顶关键点检测，以得到该第一样本目标区域所包括的样本建筑物的多个样本屋顶关键点可以包括：利用屋顶关键点检测网络基于该第一样本目标区域的图像特征，确定多个样本屋顶关键点各自的样本坐标和样本可见度。

在一些实施例中，步骤S1405、针对至少一个第一样本目标区域中的每一个第一样本目标区域，基于该第一样本目标区域所包括的样本建筑物的真实屋顶分割结果、多个真实屋顶关键点、样本屋顶分割结果和多个样本屋顶关键点，调整神经网络模型的参数包括：针对至少一个第一样本目标区域中的每一个第一样本目标区域，基于该第一样本目标区域所包括的样本建筑物的多个真实屋顶关键点各自的真实坐标和真实可见度以及该样本建筑物的多个样本屋顶关键点各自的样本坐标和样本可见度，调整神经网络模型的参数。

由此，通过上述方式，能够使得训练后的神经网络模型能够输出准确的屋顶关键点的坐标和可见度。

在一些实施例中，如上文所描述的，屋顶关键点检测网络可以输出一个长度为预设屋顶关键点数量n_MAX_ROOF×3的屋顶关键点向量。可以搜索训练集中的最大屋顶关键点数量，并在此基础上额外增加一些关键点(例如，乘以1.2)，从而得到预设屋顶关键点数量。可以理解的是，还可以通过其他方式确定预设屋顶关键点的数量，在此不作限定。

根据一些实施例，真实侧棱信息可以包括表征对应的样本建筑物的侧棱的端点的多个真实侧棱关键点。图像处理任务网络包括侧棱关键点检测网络。如图15所示，步骤S1404、针对至少一个第一样本目标区域中的每一个第一样本目标区域，确定该第一样本目标区域所包括的样本建筑物的样本屋顶信息和样本侧棱信息可以包括：步骤S1503、利用侧棱关键点检测网络基于该第一样本目标区域的图像特征对该第一样本目标区域进行侧棱关键点检测，以得到该第一样本目标区域所包括的样本建筑物的多个样本侧棱关键点，其中，该第一样本目标区域所包括的样本建筑物的样本侧棱信息包括多个样本侧棱关键点。

在一些实施例中，步骤S1405、针对至少一个第一样本目标区域中的每一个第一样本目标区域，基于该第一样本目标区域所包括的样本建筑物的样本屋顶信息、样本侧棱信息、真实屋顶信息和真实侧棱信息，调整神经网络模型的参数可以包括：基于该第一样本目标区域所包括的样本建筑物的多个真实侧棱关键点和多个样本侧棱关键点，调整神经网络模型的参数。

在一个示例性实施例中，在步骤S1405，可以利用smoothL1损失函数计算多个真实侧棱关键点和多个样本侧棱关键点之间的损失值，进而基于该损失值调整神经网络模型的参数。可以理解的是，可以调整侧棱关键点检测网络的参数，也可以同时调整上游的候选区域提取网络和图像特征提取网络的参数。

在一些实施例中，如上文所描述的，侧棱关键点检测网络可以输出一个长度为预设侧棱数量n_MAX_EDGE×2×3的侧棱关键点向量。可以搜索训练集中的最大侧棱数量，并在此基础上额外增加一些侧棱(例如，乘以1.2)，从而得到预设侧棱数量。可以理解的是，还可以通过其他方式确定预设侧棱的数量，在此不作限定。

由此，通过上述方式，能够使得训练后的神经网络模型能够输出准确的侧棱关键点信息。

根据一些实施例，多个真实侧棱关键点可以包括表征对应的样本建筑物的同一个侧棱的两个端点的两个真实侧棱关键点。真实侧棱信息可以包括两个真实侧棱关键点各自的真实坐标和真实可见度。

在一些实施例中，步骤S1503、利用侧棱关键点检测网络基于该第一样本目标区域的图像特征对该第一样本目标区域进行侧棱关键点检测，以得到该第一样本目标区域所包括的样本建筑物的多个样本侧棱关键点可以包括：利用侧棱关键点检测网络基于该第一样本目标区域的图像特征，确定两个样本侧棱关键点各自的样本坐标和样本可见度。

在一些实施例中，步骤S1405、针对至少一个第一样本目标区域中的每一个第一样本目标区域，基于该第一样本目标区域所包括的样本建筑物的多个真实侧棱关键点和多个样本侧棱关键点，调整神经网络模型的参数可以包括：基于该第一样本目标区域所包括的样本建筑物的两个真实侧棱关键点各自的真实坐标和真实可见度以及该样本建筑物的两个样本侧棱关键点各自的样本坐标和样本可见度，调整神经网络模型的参数。

由此，通过上述方式，能够使得训练后的神经网络模型能够输出准确的侧棱关键点的坐标和可见度。

回到步骤S1401。根据一些实施例，如图16所示，步骤S1401、获取样本图像和样本真实信息可以包括：步骤S1601、针对至少一个样本建筑物中的每一个样本建筑物，确定该样本建筑物的多个真实屋顶关键点各自的真实坐标和该样本建筑物的两个真实侧棱关键点各自的真实坐标；步骤S1602、基于该多个真实屋顶关键点各自的真实坐标和该两个真实侧棱关键点各自的真实坐标，将该多个真实屋顶关键点和该两个真实侧棱关键点进行匹配，以得到该多个真实屋顶关键点中的目标屋顶关键点和该两个真实侧棱关键点中的与目标屋顶关键点匹配的目标侧棱关键点；以及步骤S1603、将目标屋顶关键点的真实坐标和目标侧棱关键点的真实坐标进行融合，并将融合后的坐标作为目标屋顶关键点的真实坐标和目标侧棱关键点的真实坐标。

在标注过程中，屋顶关键点和侧棱关键点可能是分开标注的，但屋顶关键点和侧棱关键点之间可能有重合(包括同一个关键点)。因此，通过将真实屋顶关键点和真实侧棱关键点进行匹配，并将互相匹配的目标屋顶关键点和目标侧棱关键点(实际为同一个关键点)的真实坐标进行融合，实现了将屋顶信息检测任务的监督信息和侧棱信息检测任务的监督信息进行关联，构建了这两个任务之间的相关性，进而使得训练后的神经网络模型能够输出更准确且更相关的屋顶信息和侧棱信息。

在一些实施例中，可以在多个真实屋顶关键点和两个真实侧棱关键点之间计算一个2×n_ROOF(真实屋顶关键点的数量)的矩阵，以表征每一个真实侧棱关键点和每一个真实屋顶关键点之间的距离。进而，可以将矩阵中的最小值对应两个点进行拟合(例如，将这两个点的标注坐标的平均值作为这两个点的真实坐标)，其他点的坐标可以不变。

根据一些实施例，样本真实信息可以包括包围至少一个样本建筑物中的每一个样本建筑物的至少一个样本真实区域。如图17所示，步骤S1402、利用候选区域提取网络在样本图像中确定至少一个第一样本目标区域可以包括：步骤S1701、利用候选区域提取网络在样本图像中确定至少一个候选区域；步骤S1702、在至少一个候选区域中确定与至少一个样本真实区域匹配的至少一个第一样本目标区域，其中，至少一个第一样本目标区域中的每一个第一样本目标区域与至少一个样本真实区域中的一个样本真实区域至少部分重合；以及步骤S1703、基于至少一个样本真实区域和至少一个第一样本目标区域，调整神经网络模型的参数。

由此，通过上述方式，能够使得训练后的神经网络模型能够输出准确包围建筑物的目标区域。

在一些实施例中，步骤S1701中所确定的至少一个候选区域可以为前文所描述的包括建筑物的样本备选区域。在步骤S1702，可以根据预设的第一交并比阈值进行匹配。在步骤S1703，可以使用smoothL1损失函数计算第一样本目标区域和对应的样本真实区域之间的损失值，并基于该损失值调整神经网络模型的参数。

根据一些实施例，神经网络模型可以包括建筑物检测网络。如图18所示，步骤S1701、利用候选区域提取网络在样本图像中确定至少一个候选区域包括：步骤S1801、利用候选区域提取网络在样本图像中确定至少一个待定区域；步骤S1802、针对至少一个待定区域中的每一个待定区域，基于样本真实信息，确定该待定区域的真实检测结果，真实检测结果表征该待定区域是否包括至少一个样本建筑物中的任一样本建筑物；步骤S1803、利用图像特征提取网络确定该待定区域的图像特征；步骤S1804、利用建筑物检测网络基于该待定区域的图像特征对该待定区域进行建筑物检测，以得到样本检测结果；步骤S1805、基于真实检测结果和样本检测结果，调整神经网络模型的参数；以及步骤S1806、响应于确定样本检测结果表征该待定区域包括建筑物，将该待定区域确定为候选区域。

由此，通过上述方式，能够使得训练后的神经网络模型能够输出准确的建筑物检测结果，即对应的区域中是否包括建筑物。

在一些实施例中，步骤S1801中所确定的至少一个待定区域可以为前文所描述的使用待训练或经训练的候选区域提取网络确定的一个或多个样本备选区域。在步骤S1802，可以基于样本真实信息确定每一个待选区域的真实检测结果，即该待选区域是否包括任一样本建筑物。在步骤S1803-步骤S1804，可以参照上文描述的方式获取该待定区域的图像特征，并基于该待定区域的图像特征进行建筑物检测。在步骤S1805，可以使用交叉熵损失计算该待定区域的样本检测结果和真实检测结果之间的损失值，并基于该损失值调整神经网络模型的参数。

在一些实施例中，真实检测结果可以表征对应的待定区域中不包括建筑物、包括完整建筑物或包括非完整建筑物。也即，对待定区域进行建筑物检测为一个三分类问题。

根据一些实施例，如图19所示，步骤S1404、针对至少一个第一样本目标区域中的每一个第一样本目标区域，确定该第一样本目标区域所包括的样本建筑物的样本屋顶信息和样本侧棱信息可以包括：步骤S1901、针对至少一个第一样本目标区域中的每一个第一样本目标区域，利用图像处理任务网络基于该第一样本目标区域的图像特征，确定用于修正该第一样本目标区域的第一样本偏移信息；步骤S1902、基于第一样本偏移信息对该第一样本目标区域进行修正，以得到与该第一样本目标区域对应的第一样本修正区域；步骤S1903、利用图像特征提取网络确定该第一样本修正区域的图像特征；以及步骤S1904、基于该第一样本修正区域的图像特征，确定该第一样本目标区域所包括的样本建筑物的样本屋顶信息和样本侧棱信息。可以理解的是，图19中的步骤S1901-步骤S1904的操作可以参照图11中的步骤S1101-步骤S1104，在此不作赘述。

由此，通过上述方式，使得训练后的神经网络模型能够基于修正后的目标区域生成更准确的屋顶信息和侧棱信息。

在一些实施例中，可以基于第一样本修正区域和对应的样本真实区域调整神经网络模型的参数，以使得训练后的神经网络模型能够输出准确的样本偏移信息，以生成更准确地包围建筑物的区域。

根据一些实施例，如图20所示，步骤S1904、针对至少一个第一样本目标区域中的每一个第一样本目标区域，基于该第一样本修正区域的图像特征，确定该第一样本目标区域所包括的样本建筑物的样本屋顶信息和样本侧棱信息可以包括：步骤S2001、在与至少一个第一样本目标区域对应的至少一个第一样本修正区域中确定与至少一个样本真实区域匹配的至少一个第二样本目标区域，其中，至少一个第二样本目标区域中的每一个第二样本目标区域与至少一个样本真实区域中的一个样本真实区域至少部分重合；步骤S2002、针对至少一个第二样本目标区域中的每一个第二样本目标区域，利用图像处理任务网络基于该第二样本目标区域的图像特征，确定用于修正该第二样本目标区域的第二样本偏移信息；步骤S2003、基于第二样本偏移信息对该第二样本目标区域进行修正，以得到与该第二样本目标区域对应的第二样本修正区域；步骤S2004、利用图像特征提取网络确定该第二样本修正区域的图像特征；以及步骤S2005、基于该第二样本修正区域的图像特征和对应的第一样本修正区域的图像特征，确定该第二样本目标区域所包括的样本建筑物的样本屋顶信息和样本侧棱信息，对应的第一样本修正区域与该第二样本修正区域包括同一样本建筑物。可以理解的是，图20中的步骤S2002-步骤S2005的操作与图12中的步骤S1201-步骤S1204的操作类似，在此不作赘述。

由此，通过上述方式，使得训练后的神经网络模型能够基于修正后的第一样本目标区域的图像特征和进一步修正后的第二样本目标区域的图像特征生成更准确的屋顶信息和侧棱信息。

在一些实施例中，在步骤S2001，可以根据预设的第二交并比阈值进行匹配。

根据一些实施例，步骤S1904、针对至少一个第一样本目标区域中的每一个第一样本目标区域，基于该第一样本修正区域的图像特征，确定该第一样本目标区域所包括的样本建筑物的样本屋顶信息和样本侧棱信息可以包括：针对至少一个第一样本目标区域中的每一个第一样本目标区域，基于该第一样本目标区域的图像特征和与该第一样本目标区域对应的第一样本修正区域的图像特征，确定该第一样本目标区域所包括的样本建筑物的第一样本屋顶信息和第一样本侧棱信息。

在一些实施例中，步骤S2005、针对至少一个第二样本目标区域中的每一个第二样本目标区域，基于与该第二样本目标区域对应的第二样本修正区域的图像特征和对应的第一样本修正区域的图像特征，确定该第二样本目标区域所包括的样本建筑物的样本屋顶信息和样本侧棱信息可以包括：针对至少一个第二样本目标区域中的每一个第二样本目标区域，基于与该第二样本目标区域对应的第二样本修正区域的图像特征和对应的第一样本修正区域的图像特征，确定该第二样本目标区域所包括的样本建筑物的第二样本屋顶信息和第二样本侧棱信息，对应的第一样本修正区域与该第二样本修正区域包括同一样本建筑物。

在一些实施例中，步骤S1405、针对至少一个第一样本目标区域中的每一个第一样本目标区域，基于该第一样本目标区域所包括的样本建筑物的样本屋顶信息、样本侧棱信息、真实屋顶信息和真实侧棱信息，调整神经网络模型的参数可以包括：基于该第一样本目标区域所包括的样本建筑物的第一样本屋顶信息、第一样本侧棱信息、第二样本屋顶信息、第二样本侧棱信息、真实屋顶信息和真实侧棱信息，以及包围该样本建筑物的第一样本修正区域、第二样本修正区域和样本真实区域，调整神经网络模型的参数。

由此，通过上述方式，使得训练后的神经网络模型能够针对每一次修正生成相应的屋顶信息和侧棱信息。在推理阶段，可以基于每一次修正后得到的屋顶信息和侧棱信息，以得到最终的屋顶信息和侧棱信息。

在一些实施例中，针对每一次修正，可以基于对应的样本侧棱信息和真实侧棱信息计算侧棱损失值，并基于对应的样本屋顶信息和真实屋顶信息计算屋顶损失值，进而基于修正区域和真实区域计算检测损失值，最终基于这三个损失值调整神经网络模型的参数。

在一个示例性实施例中，针对第i次修正，损失函数可以表示为：

其中，

为第i次修正对应的建筑物检测的损失函数，包含分类损失

和回归损失/>

其中CE为交叉熵损失函数，

为样本检测结果，gt_cls为真实检测结果，Huber为分段使用L1范数损失和L2范数损失，/>

为样本修正区域，gt_box为样本真实区域；/>

为第i次修正对应的屋顶分割结果的损失函数，采用/>

计算，BCE为二进制交叉熵损失函数，

为样本屋顶分割结果，gt_mask为真实屋顶分割结果；/>

为第i次修正对应的屋顶关键点检测的损失函数，采用/>

为多个样本屋顶关键点，gt_kps1为多个真实屋顶关键点；/>

为第i次修正对应的侧棱关键点检测的损失函数，采用/>

为两个样本侧棱关键点，gt_kps2为两个真实侧棱关键点。α、β、γ、δ可以分别设置为1，1，0.5，0.5。

根据一些实施例，步骤S1702、在至少一个候选区域中确定与至少一个样本真实区域匹配的至少一个第一样本目标区域可以包括：在至少一个候选区域中确定与至少一个样本真实区域中的任一样本真实区域的交并比大于第一交并比阈值的候选区域，以得到至少一个第一样本目标区域。步骤S2001、在与至少一个第一样本目标区域对应的至少一个第一样本修正区域中确定与至少一个样本真实区域匹配的至少一个第二样本目标区域可以包括：在至少一个第一样本修正区域中确定与至少一个样本真实区域中的任一样本真实区域的交并比大于第二交并比阈值的候选区域，以得到至少一个第二样本目标区域，其中，第一交并比阈值小于第二交并比阈值。

由此，通过逐渐增加匹配的交并比阈值，使得提升神经网络模型输出的经过多次修正后的目标区域的准确性。

根据本公开的另一方面，提供了一种图像处理装置。如图21，装置2100包括：第一确定单元2110，被配置为在待处理图像中确定目标区域，目标区域包括目标建筑物；第二确定单元2120，被配置为确定目标区域的图像特征；第三确定单元2130，被配置为基于目标区域的图像特征，确定目标建筑物的屋顶信息和侧棱信息；以及建模单元2140，被配置为基于屋顶信息和侧棱信息，对目标建筑物进行建模。

可以理解的是，装置2100中的单元2110-单元2140的操作与图2中的步骤S201-步骤S204的操作类似，在此不作赘述。

根据本公开的另一方面，提供了一种用于图像处理的神经网络模型的训练装置。神经网络模型包括候选区域提取网络、图像特征提取网络以及图像处理任务网络。如图22所示，训练装置2200包括：获取单元2210，被配置为获取样本图像和样本真实信息，样本图像包括至少一个样本建筑物，样本真实信息包括至少一个样本建筑物中的每一个样本建筑物的真实屋顶信息和真实侧棱信息；第四确定单元2220，被配置为利用候选区域提取网络在样本图像中确定至少一个第一样本目标区域，至少一个第一样本目标区域中的每一个第一样本目标区域包括至少一个样本建筑物中的一个样本建筑物；第五确定单元2230，被配置为针对至少一个第一样本目标区域中的每一个第一样本目标区域，利用图像特征提取网络确定该第一样本目标区域的图像特征；第六确定单元2240，被配置为利用图像处理任务网络基于该第一样本目标区域的图像特征，确定该第一样本目标区域所包括的样本建筑物的样本屋顶信息和样本侧棱信息；以及调参单元2250，被配置为基于该样本建筑物的样本屋顶信息、样本侧棱信息、真实屋顶信息和真实侧棱信息，调整神经网络模型的参数。

可以理解的是，装置2200中的单元2210-单元2250的操作与图14中的步骤S1401-步骤S1405的操作类似，在此不作赘述。

根据本公开的实施例，还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。

参考图23，现将描述可以作为本公开的服务器或客户端的电子设备2300的结构框图，其是可以应用于本公开的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字助理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。

如图23所示，设备2300包括计算单元2301，其可以根据存储在只读存储器(ROM)2302中的计算机程序或者从存储单元2308加载到随机访问存储器(RAM)2303中的计算机程序，来执行各种适当的动作和处理。在RAM 2303中，还可存储设备2300操作所需的各种程序和数据。计算单元2301、ROM 2302以及RAM 2303通过总线2304彼此相连。输入/输出(I/O)接口2305也连接至总线2304。

设备2300中的多个部件连接至I/O接口2305，包括：输入单元2306、输出单元2307、存储单元2308以及通信单元2309。输入单元2306可以是能向设备2300输入信息的任何类型的设备，输入单元2306可以接收输入的数字或字符信息，以及产生与电子设备的用户设置和/或功能控制有关的键信号输入，并且可以包括但不限于鼠标、键盘、触摸屏、轨迹板、轨迹球、操作杆、麦克风和/或遥控器。输出单元2307可以是能呈现信息的任何类型的设备，并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。存储单元2308可以包括但不限于磁盘、光盘。通信单元2309允许设备2300通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据，并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组，例如蓝牙^TM设备、802.11设备、WiFi设备、WiMax设备、蜂窝通信设备和/或类似物。

计算单元2301可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元2301的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习网络算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元2301执行上文所描述的各个方法和处理，例如图像处理方法和/或用于图像处理的神经网络模型的训练方法。例如，在一些实施例中，图像处理方法和/或用于图像处理的神经网络模型的训练方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元2308。在一些实施例中，计算机程序的部分或者全部可以经由ROM 2302和/或通信单元2309而被载入和/或安装到设备2300上。当计算机程序加载到RAM 2303并由计算单元2301执行时，可以执行上文描述的图像处理方法和/或用于图像处理的神经网络模型的训练方法的一个或多个步骤。备选地，在其他实施例中，计算单元2301可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行图像处理方法和/或用于图像处理的神经网络模型的训练方法。

本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务("Virtual Private Server"，或简称"VPS")中，存在的管理难度大，业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器，或者是结合了区块链的服务器。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行、也可以顺序地或以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。

虽然已经参照附图描述了本公开的实施例或示例，但应理解，上述的方法、系统和设备仅仅是示例性的实施例或示例，本发明的范围并不由这些实施例或示例限制，而是仅由授权后的权利要求书及其等同范围来限定。实施例或示例中的各种要素可以被省略或者可由其等同要素替代。此外，可以通过不同于本公开中描述的次序来执行各步骤。进一步地，可以以各种方式组合实施例或示例中的各种要素。重要的是随着技术的演进，在此描述的很多要素可以由本公开之后出现的等同要素进行替换。

Claims (29)

1.一种图像处理方法，包括：

在待处理图像中确定目标区域，所述目标区域包括目标建筑物；

确定所述目标区域的图像特征；

基于所述目标区域的图像特征，确定所述目标建筑物的屋顶信息和侧棱信息；以及

基于所述屋顶信息和所述侧棱信息，对所述目标建筑物进行建模。

2.根据权利要求1所述的方法，其中，基于所述目标区域的图像特征，确定所述目标建筑物的屋顶信息和侧棱信息包括：

基于所述目标区域的图像特征，确定用于修正所述目标区域的第一偏移信息；

基于所述第一偏移信息对所述目标区域进行修正，以得到第一修正区域；

确定所述第一修正区域的图像特征；以及

基于所述第一修正区域的图像特征，确定所述屋顶信息和所述侧棱信息。

3.根据权利要求2所述的方法，其中，基于所述第一修正区域的图像特征，确定所述屋顶信息和所述侧棱信息包括：

基于所述第一修正区域的图像特征，确定用于修正所述第一修正区域的第二偏移信息；

基于所述第二偏移信息对所述第一修正区域进行修正，以得到第二修正区域；

确定所述第二修正区域的图像特征；以及

基于所述第二修正区域的图像特征和所述第一修正区域的图像特征，确定所述屋顶信息和所述侧棱信息。

4.根据权利要求3所述的方法，其中，基于所述第一修正区域的图像特征，确定所述屋顶信息和所述侧棱信息包括：

基于所述目标区域的图像特征和所述第一修正区域的图像特征，确定所述目标建筑物的第一屋顶信息和第一侧棱信息，

其中，基于所述第二修正区域的图像特征和所述第一修正区域的图像特征，确定所述屋顶信息和所述侧棱信息包括：

基于所述第二修正区域的图像特征和所述第一修正区域的图像特征，确定所述目标建筑物的第二屋顶信息和第二侧棱信息；以及

将所述第一屋顶信息和所述第一侧棱信息分别与所述第二屋顶信息和所述第二侧棱信息进行融合，以得到所述屋顶信息和所述侧棱信息。

5.根据权利要求1-4中任一项所述的方法，其中，基于所述屋顶信息和所述侧棱信息，对所述目标建筑物进行建模包括：

基于所述屋顶信息，确定所述目标建筑物的底面形状；

基于所述侧棱信息，确定所述目标建筑物的高度；以及

基于所述底面形状和所述高度，对所述目标建筑物进行建模。

6.根据权利要求5所述的方法，其中，基于所述目标区域的图像特征，确定所述目标建筑物的屋顶信息和侧棱信息包括：

基于所述目标区域的图像特征对所述目标区域进行屋顶实例分割，以得到表征所述目标建筑物的屋顶区域的屋顶分割结果；以及

基于所述目标区域的图像特征对所述目标区域进行屋顶关键点检测，以得到表征所述屋顶区域的顶点的多个屋顶关键点，其中，所述屋顶信息包括所述屋顶分割结果和所述多个屋顶关键点，

其中，基于所述屋顶信息，确定所述目标建筑物的底面形状包括：

基于所述屋顶分割结果和所述多个屋顶关键点，确定所述目标建筑物的底面形状。

7.根据权利要求6所述的方法，其中，基于所述目标区域的图像特征对所述目标区域进行屋顶关键点检测，以得到表征所述屋顶区域的顶点的多个屋顶关键点包括：

基于所述目标区域的图像特征，确定所述多个屋顶关键点各自的坐标和可见度。

8.根据权利要求5所述的方法，其中，基于所述目标区域的图像特征，确定所述目标建筑物的屋顶信息和侧棱信息包括：

基于所述目标区域的图像特征对所述目标区域进行侧棱关键点检测，以得到表征所述目标建筑物的侧棱的端点的多个侧棱关键点，其中，所述侧棱信息包括所述多个侧棱关键点。

9.根据权利要求8所述的方法，其中，所述多个侧棱关键点包括表征所述目标建筑物的同一个侧棱的两个端点的两个侧棱关键点，

其中，基于所述目标区域的图像特征对所述目标区域进行侧棱关键点检测，以得到表征所述目标建筑物的侧棱的端点的多个侧棱关键点包括：

基于所述目标区域的图像特征，确定所述两个侧棱关键点各自的坐标和可见度，

其中，基于所述侧棱信息，确定所述目标建筑物的高度包括：

响应于确定所述两个侧棱关键点各自的可见度均大于预设可见度阈值，基于所述两个侧棱关键点各自的坐标，确定所述目标建筑物的高度。

10.根据权利要求1-4中任一项所述的方法，其中，基于所述目标区域的图像特征，确定所述目标建筑物的屋顶信息和侧棱信息包括：

基于所述目标区域的图像特征对所述目标区域进行建筑物检测，以得到指示所述目标区域是否包括完整的建筑物的检测结果；以及

响应于确定所述检测结果指示所述目标区域包括完整的建筑物，确定所述目标建筑物的屋顶信息和侧棱信息。

11.根据权利要求1-4中任一项所述的方法，其中，所述待处理图像是对卫星图像数据进行切分而得到的。

12.一种用于图像处理的神经网络模型的训练方法，所述神经网络模型包括候选区域提取网络、图像特征提取网络以及图像处理任务网络，所述训练方法包括：

获取样本图像和样本真实信息，所述样本图像包括至少一个样本建筑物，所述样本真实信息包括所述至少一个样本建筑物中的每一个样本建筑物的真实屋顶信息和真实侧棱信息；

利用所述候选区域提取网络在所述样本图像中确定至少一个第一样本目标区域，所述至少一个第一样本目标区域中的每一个第一样本目标区域包括所述至少一个样本建筑物中的一个样本建筑物；

针对所述至少一个第一样本目标区域中的每一个第一样本目标区域，

利用所述图像特征提取网络确定该第一样本目标区域的图像特征；

利用所述图像处理任务网络基于该第一样本目标区域的图像特征，确定该第一样本目标区域所包括的样本建筑物的样本屋顶信息和样本侧棱信息；以及

基于该样本建筑物的样本屋顶信息、样本侧棱信息、真实屋顶信息和真实侧棱信息，调整所述神经网络模型的参数。

13.根据权利要求12所述的方法，其中，所述样本真实信息包括包围所述至少一个样本建筑物中的每一个样本建筑物的至少一个样本真实区域，

其中，利用所述候选区域提取网络在所述样本图像中确定至少一个第一样本目标区域包括：

利用所述候选区域提取网络在所述样本图像中确定至少一个候选区域；

在所述至少一个候选区域中确定与所述至少一个样本真实区域匹配的所述至少一个第一样本目标区域，其中，所述至少一个第一样本目标区域中的每一个第一样本目标区域与所述至少一个样本真实区域中的一个样本真实区域至少部分重合；以及

基于所述至少一个样本真实区域和所述至少一个第一样本目标区域，调整所述神经网络模型的参数。

14.根据权利要求13所述的方法，其中，针对所述至少一个第一样本目标区域中的每一个第一样本目标区域，确定该第一样本目标区域所包括的样本建筑物的样本屋顶信息和样本侧棱信息包括：

针对所述至少一个第一样本目标区域中的每一个第一样本目标区域，

利用所述图像处理任务网络基于该第一样本目标区域的图像特征，

确定用于修正该第一样本目标区域的第一样本偏移信息；

基于所述第一样本偏移信息对该第一样本目标区域进行修正，以得到与该第一样本目标区域对应的第一样本修正区域；

利用所述图像特征提取网络确定该第一样本修正区域的图像特征；以及

基于该第一样本修正区域的图像特征，确定该第一样本目标区域所包括的样本建筑物的样本屋顶信息和样本侧棱信息。

15.根据权利要求14所述的方法，其中，针对所述至少一个第一样本目标区域中的每一个第一样本目标区域，基于该第一样本修正区域的图像特征，确定该第一样本目标区域所包括的样本建筑物的样本屋顶信息和样本侧棱信息包括：

在与所述至少一个第一样本目标区域对应的至少一个第一样本修正区域中确定与所述至少一个样本真实区域匹配的至少一个第二样本目标区域，其中，所述至少一个第二样本目标区域中的每一个第二样本目标区域与所述至少一个样本真实区域中的一个样本真实区域至少部分重合；以及

针对所述至少一个第二样本目标区域中的每一个第二样本目标区域，

利用所述图像处理任务网络基于该第二样本目标区域的图像特征，

确定用于修正该第二样本目标区域的第二样本偏移信息；

基于所述第二样本偏移信息对该第二样本目标区域进行修正，以得到与该第二样本目标区域对应的第二样本修正区域；

利用所述图像特征提取网络确定该第二样本修正区域的图像特征；以及

基于该第二样本修正区域的图像特征和对应的第一样本修正区域的图像特征，确定该第二样本目标区域所包括的样本建筑物的样本屋顶信息和样本侧棱信息，所述对应的第一样本修正区域与该第二样本修正区域包括同一样本建筑物。

16.根据权利要求15所述的方法，其中，针对所述至少一个第一样本目标区域中的每一个第一样本目标区域，基于该第一样本修正区域的图像特征，确定该第一样本目标区域所包括的样本建筑物的样本屋顶信息和样本侧棱信息包括：

针对所述至少一个第一样本目标区域中的每一个第一样本目标区域，基于该第一样本目标区域的图像特征和与该第一样本目标区域对应的第一样本修正区域的图像特征，确定该第一样本目标区域所包括的样本建筑物的第一样本屋顶信息和第一样本侧棱信息，

其中，针对所述至少一个第二样本目标区域中的每一个第二样本目标区域，基于与该第二样本目标区域对应的第二样本修正区域的图像特征和对应的第一样本修正区域的图像特征，确定该第二样本目标区域所包括的样本建筑物的样本屋顶信息和样本侧棱信息包括：

针对所述至少一个第二样本目标区域中的每一个第二样本目标区域，基于与该第二样本目标区域对应的第二样本修正区域的图像特征和对应的第一样本修正区域的图像特征，确定该第二样本目标区域所包括的样本建筑物的第二样本屋顶信息和第二样本侧棱信息，所述对应的第一样本修正区域与该第二样本修正区域包括同一样本建筑物，

其中，针对所述至少一个第一样本目标区域中的每一个第一样本目标区域，基于该第一样本目标区域所包括的样本建筑物的样本屋顶信息、样本侧棱信息、真实屋顶信息和真实侧棱信息，调整所述神经网络模型的参数包括：

基于该第一样本目标区域所包括的样本建筑物的第一样本屋顶信息、第一样本侧棱信息、第二样本屋顶信息、第二样本侧棱信息、真实屋顶信息和真实侧棱信息，以及包围该样本建筑物的第一样本修正区域、第二样本修正区域和样本真实区域，调整所述神经网络模型的参数。

17.根据权利要求15所述的方法，其中，在所述至少一个候选区域中确定与所述至少一个样本真实区域匹配的所述至少一个第一样本目标区域包括：

在所述至少一个候选区域中确定与所述至少一个样本真实区域中的任一样本真实区域的交并比大于第一交并比阈值的候选区域，以得到所述至少一个第一样本目标区域，

其中，在与所述至少一个第一样本目标区域对应的至少一个第一样本修正区域中确定与所述至少一个样本真实区域匹配的至少一个第二样本目标区域包括：

在所述至少一个第一样本修正区域中确定与所述至少一个样本真实区域中的任一样本真实区域的交并比大于第二交并比阈值的候选区域，以得到所述至少一个第二样本目标区域，其中，所述第一交并比阈值小于所述第二交并比阈值。

18.根据权利要求12-17中任一项所述的方法，其中，所述真实屋顶信息包括真实屋顶分割结果和多个真实屋顶关键点，所述多个真实屋顶关键点表征对应的样本建筑物的屋顶区域的顶点，并且是根据预设排列顺序标注的，所述真实屋顶分割结果是根据所述预设排列顺序将所述多个真实屋顶关键点进行连接而得到的，

其中，所述图像处理任务网络包括屋顶分割网络和屋顶关键点检测网络，针对所述至少一个第一样本目标区域中的每一个第一样本目标区域，确定该第一样本目标区域所包括的样本建筑物的样本屋顶信息和样本侧棱信息包括：

利用所述屋顶分割网络基于该第一样本目标区域的图像特征对该第一样本目标区域进行屋顶实例分割，以得到该第一样本目标区域所包括的样本建筑物的样本屋顶分割结果；以及

利用所述屋顶关键点检测网络基于该第一样本目标区域的图像特征对该第一样本目标区域进行屋顶关键点检测，以得到该第一样本目标区域所包括的样本建筑物的多个样本屋顶关键点，其中，该第一样本目标区域所包括的样本建筑物的样本屋顶信息包括所述样本屋顶分割结果和所述多个样本屋顶关键点，

其中，针对所述至少一个第一样本目标区域中的每一个第一样本目标区域，基于该第一样本目标区域所包括的样本建筑物的样本屋顶信息、样本侧棱信息、真实屋顶信息和真实侧棱信息，调整所述神经网络模型的参数包括：

基于该第一样本目标区域所包括的样本建筑物的真实屋顶分割结果、多个真实屋顶关键点、样本屋顶分割结果和多个样本屋顶关键点，调整所述神经网络模型的参数。

19.根据权利要求18所述的方法，其中，所述真实屋顶信息包括所述多个真实屋顶关键点各自的真实坐标和真实可见度，

其中，利用所述屋顶关键点检测网络基于该第一样本目标区域的图像特征对该第一样本目标区域进行屋顶关键点检测，以得到该第一样本目标区域所包括的样本建筑物的多个样本屋顶关键点包括：

利用所述屋顶关键点检测网络基于该第一样本目标区域的图像特征，确定所述多个样本屋顶关键点各自的样本坐标和样本可见度，

其中，针对所述至少一个第一样本目标区域中的每一个第一样本目标区域，基于该第一样本目标区域所包括的样本建筑物的真实屋顶分割结果、多个真实屋顶关键点、样本屋顶分割结果和多个样本屋顶关键点，调整所述神经网络模型的参数包括：

针对所述至少一个第一样本目标区域中的每一个第一样本目标区域，基于该第一样本目标区域所包括的样本建筑物的多个真实屋顶关键点各自的真实坐标和真实可见度以及该样本建筑物的多个样本屋顶关键点各自的样本坐标和样本可见度，调整所述神经网络模型的参数。

20.根据权利要求18所述的方法，其中，所述真实侧棱信息包括表征所述对应的样本建筑物的侧棱的端点的多个真实侧棱关键点，

其中，所述图像处理任务网络包括侧棱关键点检测网络，针对所述至少一个第一样本目标区域中的每一个第一样本目标区域，确定该第一样本目标区域所包括的样本建筑物的样本屋顶信息和样本侧棱信息包括：

利用所述侧棱关键点检测网络基于该第一样本目标区域的图像特征对该第一样本目标区域进行侧棱关键点检测，以得到该第一样本目标区域所包括的样本建筑物的多个样本侧棱关键点，其中，该第一样本目标区域所包括的样本建筑物的样本侧棱信息包括所述多个样本侧棱关键点，

其中，针对所述至少一个第一样本目标区域中的每一个第一样本目标区域，基于该第一样本目标区域所包括的样本建筑物的样本屋顶信息、样本侧棱信息、真实屋顶信息和真实侧棱信息，调整所述神经网络模型的参数包括：

基于该第一样本目标区域所包括的样本建筑物的多个真实侧棱关键点和多个样本侧棱关键点，调整所述神经网络模型的参数。

21.根据权利要求20所述的方法，其中，所述多个真实侧棱关键点包括表征所述对应的样本建筑物的同一个侧棱的两个端点的两个真实侧棱关键点，所述真实侧棱信息包括所述两个真实侧棱关键点各自的真实坐标和真实可见度，

其中，利用所述侧棱关键点检测网络基于该第一样本目标区域的图像特征对该第一样本目标区域进行侧棱关键点检测，以得到该第一样本目标区域所包括的样本建筑物的多个样本侧棱关键点包括：

利用所述侧棱关键点检测网络基于该第一样本目标区域的图像特征，确定两个样本侧棱关键点各自的样本坐标和样本可见度，

其中，针对所述至少一个第一样本目标区域中的每一个第一样本目标区域，基于该第一样本目标区域所包括的样本建筑物的多个真实侧棱关键点和多个样本侧棱关键点，调整所述神经网络模型的参数包括：

基于该第一样本目标区域所包括的样本建筑物的两个真实侧棱关键点各自的真实坐标和真实可见度以及该样本建筑物的两个样本侧棱关键点各自的样本坐标和样本可见度，调整所述神经网络模型的参数。

22.根据权利要求21所述的方法，其中，获取样本图像和样本真实信息包括：

针对所述至少一个样本建筑物中的每一个样本建筑物，确定该样本建筑物的多个真实屋顶关键点各自的真实坐标和该样本建筑物的两个真实侧棱关键点各自的真实坐标；

基于该多个真实屋顶关键点各自的真实坐标和该两个真实侧棱关键点各自的真实坐标，将该多个真实屋顶关键点和该两个真实侧棱关键点进行匹配，以得到该多个真实屋顶关键点中的目标屋顶关键点和该两个真实侧棱关键点中的与所述目标屋顶关键点匹配的目标侧棱关键点；以及

将所述目标屋顶关键点的真实坐标和所述目标侧棱关键点的真实坐标进行融合，并将融合后的坐标作为所述目标屋顶关键点的真实坐标和所述目标侧棱关键点的真实坐标。

23.根据权利要求13所述的方法，其中，所述神经网络模型包括建筑物检测网络，利用所述候选区域提取网络在所述样本图像中确定至少一个候选区域包括：

利用所述候选区域提取网络在所述样本图像中确定至少一个待定区域；

针对所述至少一个待定区域中的每一个待定区域，

基于所述样本真实信息，确定该待定区域的真实检测结果，所述真实检测结果表征该待定区域是否包括所述至少一个样本建筑物中的任一样本建筑物；

利用所述图像特征提取网络确定该待定区域的图像特征；

利用所述建筑物检测网络基于该待定区域的图像特征对该待定区域进行建筑物检测，以得到样本检测结果；

基于所述真实检测结果和所述样本检测结果，调整所述神经网络模型的参数；以及

响应于确定所述样本检测结果表征该待定区域包括建筑物，将该待定区域确定为候选区域。

24.根据权利要求12所述的方法，其中，所述样本图像是对样本卫星图像数据进行切分而得到的。

25.一种图像处理装置，包括：

第一确定单元，被配置为在待处理图像中确定目标区域，所述目标区域包括目标建筑物；

第二确定单元，被配置为确定所述目标区域的图像特征；

第三确定单元，被配置为基于所述目标区域的图像特征，确定所述目标建筑物的屋顶信息和侧棱信息；以及

建模单元，被配置为基于所述屋顶信息和所述侧棱信息，对所述目标建筑物进行建模。

26.一种用于图像处理的神经网络模型的训练装置，所述神经网络模型包括候选区域提取网络、图像特征提取网络以及图像处理任务网络，所述训练装置包括：

获取单元，被配置为获取样本图像和样本真实信息，所述样本图像包括至少一个样本建筑物，所述样本真实信息包括所述至少一个样本建筑物中的每一个样本建筑物的真实屋顶信息和真实侧棱信息；

第四确定单元，被配置为利用所述候选区域提取网络在所述样本图像中确定至少一个第一样本目标区域，所述至少一个第一样本目标区域中的每一个第一样本目标区域包括所述至少一个样本建筑物中的一个样本建筑物；

第五确定单元，被配置为针对所述至少一个第一样本目标区域中的每一个第一样本目标区域，利用所述图像特征提取网络确定该第一样本目标区域的图像特征；

第六确定单元，被配置为利用所述图像处理任务网络基于该第一样本目标区域的图像特征，确定该第一样本目标区域所包括的样本建筑物的样本屋顶信息和样本侧棱信息；以及

调参单元，被配置为基于该样本建筑物的样本屋顶信息、样本侧棱信息、真实屋顶信息和真实侧棱信息，调整所述神经网络模型的参数。

27.一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-24中任一项所述的方法。

28.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-24中任一项所述的方法。

29.一种计算机程序产品，包括计算机程序，其中，所述计算机程序在被处理器执行时实现权利要求1-24中任一项所述的方法。

Images