一种多尺度弱监督学习的房屋楼层时空图像信息处理方法

本发明提供了一种多尺度弱监督学习的房屋楼层时空图像信息处理方法，包括：获取房屋时空信息的原始影像数据，并利用房屋与非房屋的类别标签进行筛选，得到影像数据集；将数据集抽象为低秩矩阵与稀疏矩阵的混合形式，采用深度卷积网络进行多尺度特征提取，并通过正则化器去除冗余信息和噪声；生成加权类别激活映射图，识别目标房屋区域；将特征图转换为视觉标记，利用自注意力机制建模依赖关系，获取楼层房屋结构信息；将房屋区域确定为图节点，构建多层图模型，进行多分辨率过滤和拓扑分析，利用2‑Wasserstein距离度量节点邻域形状相似度，获取持久簇，实现聚类与模式发现。本发明提升了对复杂时空数据的理解与预测能力。