本技術(shù)涉及數(shù)據(jù)分類提取，具體而言，涉及一種建筑要素信息處理方法、裝置以及計算機設(shè)備。

背景技術(shù)：

1、城垣類遺址作為歷史的見證者，承載著厚重的文化底蘊和歷史故事。城垣類遺址不僅作為古代城池的邊界，更是古文明發(fā)展的印記。城垣類遺址的建筑要素作為城垣類遺址的考察與研究的重要對象，建筑要素提取和分類將嚴(yán)重影響城垣類遺址的研究成果。因此，亟需一種高精度的建筑要素提取方法。

2、相關(guān)技術(shù)中，城垣類遺址的建筑要素主要包括：城墻墻體、城門、馬面、城壕、角樓等，城垣類遺址的建筑要素主要依賴人工獲取。相關(guān)工作人員經(jīng)現(xiàn)場勘察、初步評估、查閱文獻(xiàn)、收集資料以及測量工具測量等手段獲取城垣類遺址的平面布局、高度、尺寸等數(shù)據(jù)，根據(jù)人工獲取到的城垣類遺址的平面布局、高度、尺寸等數(shù)據(jù)，提取城垣類遺址的建筑要素，如城垣的平面形狀、尺寸、結(jié)構(gòu)特點、裝飾元素等。

3、然而，在基于相關(guān)技術(shù)進行城垣類遺址的建筑要素提取時，存在建筑要素提取過程冗雜，受測量技術(shù)限制、工作人員主觀意識影響等多重因素桎梏，導(dǎo)致城垣類遺址的建筑要素提取效率低下。

技術(shù)實現(xiàn)思路

1、本技術(shù)的目的在于提供一種建筑要素信息處理方法、裝置以及計算機設(shè)備，可以達(dá)到提高城垣類遺址的建筑要素提取效率，并提高建筑要素的分類準(zhǔn)確率的效果。

2、本技術(shù)的實施例是這樣實現(xiàn)的：

3、本技術(shù)實施例的初始方面，提供一種建筑要素信息處理方法，該方法包括：

4、獲取城垣類遺址的歷史圖像數(shù)據(jù)，并根據(jù)歷史圖像數(shù)據(jù)訓(xùn)練得到建筑要素提取分類模型；

5、獲取目標(biāo)遺址的圖像數(shù)據(jù)，圖像數(shù)據(jù)包括：平面圖像數(shù)據(jù)和遙感影像數(shù)據(jù)；

6、對圖像數(shù)據(jù)進行數(shù)據(jù)預(yù)處理，得到目標(biāo)圖像；

7、將目標(biāo)圖像輸入建筑要素提取分類模型，由建筑要素提取分類模型提取目標(biāo)圖像的特征信息，并基于特征信息輸出目標(biāo)遺址包含的目標(biāo)建筑要素以及目標(biāo)建筑要素分類信息，其中，建筑要素提取分類模型至少包括視覺神經(jīng)主干網(wǎng)絡(luò)以及特征增強網(wǎng)絡(luò)，特征信息包括：顏色特征、紋理特征、形狀特征以及布局特征。

8、作為一種可能的實現(xiàn)方式，根據(jù)歷史圖像數(shù)據(jù)訓(xùn)練得到建筑要素提取分類模型，包括：

9、對歷史圖像數(shù)據(jù)進行數(shù)據(jù)劃分，得到訓(xùn)練數(shù)據(jù)集、測試數(shù)據(jù)集和驗證數(shù)據(jù)集；

10、根據(jù)訓(xùn)練數(shù)據(jù)集，迭代訓(xùn)練得到初始提取分類模型；

11、基于測試數(shù)據(jù)集測試初始提取分類模型，并基于測試結(jié)果，確定初始提取分類模型是否合格；

12、基于驗證數(shù)據(jù)集驗證初始提取分類模型，并根據(jù)驗證結(jié)果，確定初始提取分類模型是否過擬合。

13、作為一種可能的實現(xiàn)方式，基于測試結(jié)果，確定初始提取分類模型是否合格，包括：

14、基于預(yù)設(shè)的批量容值將測試數(shù)據(jù)集輸入初始提取分類模型，初始提取分類模型輸出對應(yīng)的第一建筑要素以及第一建筑要素分類信息；

15、根據(jù)第一建筑要素與測試數(shù)據(jù)集對應(yīng)的測試建筑要素的匹配度以及第一建筑要素分類信息與測試數(shù)據(jù)集對應(yīng)的測試建筑要素分類信息的匹配度，確定初始提取分類模型是否合格。

16、作為一種可能的實現(xiàn)方式，根據(jù)第一建筑要素與測試數(shù)據(jù)集對應(yīng)的測試建筑要素的匹配度以及第一建筑要素分類信息與測試數(shù)據(jù)集對應(yīng)的測試建筑要素分類信息的匹配度，確定初始提取分類模型是否合格，包括：

17、若第一建筑要素與測試數(shù)據(jù)集對應(yīng)的測試建筑要素相同，且第一建筑要素分類信息與測試數(shù)據(jù)集對應(yīng)的測試建筑要素分類信息相同，則初始提取分類模型合格；

18、若第一建筑要素與測試數(shù)據(jù)集對應(yīng)的測試建筑要素不相同，和/或第一建筑要素分類信息與測試數(shù)據(jù)集對應(yīng)的測試建筑要素分類信息不相同，則初始提取分類模型不合格。

19、作為一種可能的實現(xiàn)方式，基于驗證數(shù)據(jù)集驗證初始提取分類模型，并根據(jù)驗證結(jié)果，確定初始提取分類模型是否過擬合，包括：

20、基于預(yù)設(shè)的批量容值將驗證數(shù)據(jù)集輸入初始提取分類模型，初始提取分類模型輸出對應(yīng)的第二建筑要素以及第二建筑要素分類信息；

21、根據(jù)第二建筑要素與驗證數(shù)據(jù)集對應(yīng)的驗證建筑要素的匹配度以及第二建筑要素分類信息與驗證數(shù)據(jù)集對應(yīng)的驗證建筑要素分類信息的匹配度，確定初始提取分類模型是否過擬合。

22、作為一種可能的實現(xiàn)方式，根據(jù)第二建筑要素與驗證數(shù)據(jù)集對應(yīng)的驗證建筑要素的匹配度以及第二建筑要素分類信息與驗證數(shù)據(jù)集對應(yīng)的驗證建筑要素分類信息的匹配度，確定初始提取分類模型是否過擬合，包括：

23、若第二建筑要素與驗證數(shù)據(jù)集對應(yīng)的驗證建筑要素相同，且第二建筑要素分類信息與驗證數(shù)據(jù)集對應(yīng)的驗證建筑要素分類信息相同，則初始提取分類模型未過擬合；

24、若第二建筑要素與驗證數(shù)據(jù)集對應(yīng)的驗證建筑要素不相同，和/或第二建筑要素分類信息與驗證數(shù)據(jù)集對應(yīng)的驗證建筑要素分類信息不相同，則初始提取分類模型過擬合。

25、作為一種可能的實現(xiàn)方式，根據(jù)訓(xùn)練數(shù)據(jù)集，迭代訓(xùn)練得到初始提取分類模型，包括：

26、提取訓(xùn)練數(shù)據(jù)集對應(yīng)的特征信息，特征信息包括：顏色特征、紋理特征、形狀特征以及布局特征；

27、根據(jù)預(yù)先構(gòu)建的損失函數(shù)以及特征信息，平衡特征信息的損失，得到目標(biāo)損失函數(shù)，其中，目標(biāo)損失函數(shù)中包括：位置損失函數(shù)、分類損失函數(shù)以及置信度損失函數(shù)；

28、基于訓(xùn)練數(shù)據(jù)集以及目標(biāo)損失函數(shù)，迭代訓(xùn)練得到初始提取分類模型，其中，每次迭代所使用的訓(xùn)練數(shù)據(jù)集中的數(shù)量按照預(yù)設(shè)的批量容值確定。

29、作為一種可能的實現(xiàn)方式，基于訓(xùn)練數(shù)據(jù)集以及目標(biāo)損失函數(shù)，迭代訓(xùn)練得到初始提取分類模型，包括：

30、根據(jù)預(yù)設(shè)的批量容值，從訓(xùn)練數(shù)據(jù)集中確定當(dāng)前迭代輪次對應(yīng)的多個目標(biāo)訓(xùn)練數(shù)據(jù)；

31、基于目標(biāo)損失函數(shù)以及多個目標(biāo)訓(xùn)練數(shù)據(jù)，確定當(dāng)前迭代輪次的待訓(xùn)練模型的損失結(jié)果；

32、根據(jù)當(dāng)前迭代輪次的待訓(xùn)練模型的損失結(jié)果，修正當(dāng)前迭代輪次的待訓(xùn)練模型。

33、本技術(shù)實施例的第二方面，提供了一種建筑要素信息處理裝置，該裝置包括：

34、第一獲取模塊，用于獲取城垣類遺址的歷史圖像數(shù)據(jù)，并根據(jù)歷史圖像數(shù)據(jù)訓(xùn)練得到建筑要素提取分類模型；

35、第二獲取模塊，用于獲取目標(biāo)遺址的圖像數(shù)據(jù)，圖像數(shù)據(jù)包括：平面圖像數(shù)據(jù)和遙感影像數(shù)據(jù)；

36、數(shù)據(jù)處理模塊，用于對圖像數(shù)據(jù)進行數(shù)據(jù)預(yù)處理，得到目標(biāo)圖像；

37、提取分類模塊，用于將目標(biāo)圖像輸入建筑要素提取分類模型，由建筑要素提取分類模型提取目標(biāo)圖像的特征信息，并基于特征信息輸出目標(biāo)遺址包含的目標(biāo)建筑要素以及目標(biāo)建筑要素分類信息，其中，建筑要素提取分類模型至少包括視覺神經(jīng)主干網(wǎng)絡(luò)以及特征增強網(wǎng)絡(luò)，特征信息包括：顏色特征、紋理特征、形狀特征以及布局特征。

38、本技術(shù)實施例的第三方面，提供了一種計算機設(shè)備，該計算機設(shè)備包括存儲器、處理器以及存儲在存儲器中并可在處理器上運行的計算機程序，當(dāng)計算機程序被所述處理器執(zhí)行時實現(xiàn)上述第一方面所述的建筑要素信息處理方法。

39、本技術(shù)實施例的第四方面，提供了一種計算機可讀存儲介質(zhì)，該計算機可讀存儲介質(zhì)存儲有計算機程序，當(dāng)計算機程序被處理器執(zhí)行時實現(xiàn)上述第一方面所述的建筑要素信息處理方法。

40、本技術(shù)實施例的有益效果包括：

41、本技術(shù)實施例提供的一種建筑要素信息處理方法，通過獲取大量的城垣類遺址的歷史圖像數(shù)據(jù)，并基于歷史圖像數(shù)據(jù)訓(xùn)練學(xué)習(xí)得到建筑要素提取分類模型；獲取目標(biāo)遺址的平面圖像數(shù)據(jù)和遙感影像數(shù)據(jù)等圖像數(shù)據(jù)，并對圖像數(shù)據(jù)進行數(shù)據(jù)預(yù)處理后，得到目標(biāo)圖像；將目標(biāo)圖像輸入預(yù)先訓(xùn)練學(xué)習(xí)得到的建筑要素提取分類模型中，建筑要素提取分類模型基于視覺神經(jīng)主干網(wǎng)絡(luò)以及特征增強網(wǎng)絡(luò)提取目標(biāo)圖像的特征信息，建筑要素提取分類模型基于目標(biāo)圖像的特征信息輸出目標(biāo)一致包含的目標(biāo)建筑要素以及目標(biāo)建筑要素的分類信息。其中，目標(biāo)圖像的特征信息包括：顏色特征、紋理特征、形狀特征以及布局特征。如此，可以達(dá)到提高城垣類遺址的建筑要素提取效率，并提高建筑要素的分類準(zhǔn)確率的效果。