申请/专利权人：成都理工大学

申请日：2023-12-13

公开（公告）日：2024-04-02

公开（公告）号：CN117809029A

主分类号：G06V10/26

分类号：G06V10/26;G06V10/82;G06V10/80;G06N3/0464;G06N3/084

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.19#实质审查的生效;2024.04.02#公开

摘要：本发明公开一种基于边缘感知的多分支高分辨率遥感图像语义分割方法及系统，对高分辨率遥感图像进行裁剪后进行数据平衡，将总样本按照8:2划分为训练样本和验证样本，并对训练样本进行了数据增强，设计了多分支并行的高分辨率遥感语义分割算法，其中包括特征提取漏斗模块、信息聚合模块和特征细化模块，通过将多头自注意力与SE注意力融合，减少细节信息丢失，同时将提出的边缘感知损失与带标签平滑的交叉熵损失和GeneralisedDiceLoss结合，确保网络高精度和轻量化地提取遥感图像多类别的特征。本发明有效缓解了遥感图像由于分辨率高带来的诸多问题，具有适用性广且准确率高的优点。

主权项：1.基于边缘感知的多分支高分辨率遥感图像语义分割方法，其特征在于：包括以下步骤：步骤S1、将高分辨率遥感图像按照固定值进行剪裁，获得预设大小的图片作为样本，针对样本中所占像素较少的类别进行数据平衡；步骤S2、对步骤S1中获取的样本按照预设比例划分训练样本和验证样本，并对训练样本进行数据增强处理；步骤S3、构建语义分割模型，所述语义分割模型包括特征提取漏斗模块、信息聚合模块和特征细化模块；步骤S4、将训练样本输入模型中，根据输出的粗分割和细分割结果计算带标签平滑的交叉熵损失、GeneralisedDiceLoss以及边缘感知损失并反向传播、更新参数，直到网络收敛，得到最佳语义分割算法模型；步骤S5、将高分辨率遥感图像输入至步骤S3获取到的最佳语义分割模型中得到预测结果，并将结果中的灰度值映射为相应RGB值，得到最终语义分割结果图像。

全文数据：

权利要求：

百度查询： 成都理工大学 基于边缘感知的多分支高分辨率遥感图像语义分割方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD