申请/专利权人：厦门瑞为信息技术有限公司;厦门理工学院

申请日：2023-12-26

公开（公告）日：2024-04-02

公开（公告）号：CN117475155B

主分类号：G06V10/26

分类号：G06V10/26;G06V20/13;G06V20/17;G06V10/774;G06V10/82;G06N3/0464;G06N3/048;G06N3/084;G06N3/0895

优先权：

专利状态码：有效-授权

法律状态：2024.04.02#授权;2024.02.20#实质审查的生效;2024.01.30#公开

摘要：本发明公开基于半监督学习的轻量级遥感图像分割方法，包括S1、收集原始图像数据集，标注部分数据集以得到部分标注的训练数据集；S2、构建两个完全一致的语义分割模型；S3、将无标签数据同时输入两个语义分割模型，计算输出的一致性损失；S4、将有标签数据同时输入两个语义分割模型，计算交叉熵损失和骰子损失的混合损失作为有监督损失；S5、总损失为一致性损失和两个模型的混合损失三者按权重相加；S6、对总体损失进行优化和反向梯度传播，更新网络参数；S7、在同一测试集分别测试训练好的两个模型，选择其中精度较高的一个模型作为最终模型。本发明可提高遥感图像分割的效率，在较低的参数量和计算复杂度下实现了更高的精度。

主权项：1.基于半监督学习的轻量级遥感图像分割方法，其特征在于，包括以下步骤：步骤S1、收集卫星或者无人机图像数据集，标注一部分数据集，得到部分标注的训练数据集；步骤S2、构建两个完全一致的轻量级遥感语义分割模型，轻量级遥感语义分割模型由采用了U型对称结构的编码器和解码器组成，编码器和解码器都由三个仅包含一层卷积操作的卷积块和两个包含dropout正则化的移位-标记化模块组成，在编码器中，各个块之间段采用2×2最大池化进行下采样操作；而在解码器中，块与块之间采用的是双线性插值进行上采样操作，编码器和解码器之间采用跳跃连接用于增强信息交互；步骤S3、将dropout视为一种数据扰动，把一个批次内的无标签数据同时输入两个轻量级遥感语义分割模型，所得输出用于计算一致性损失；一致性损失由KL散度进行评估，具体表示如下： 其中，对于每个像素，、分别表示两个模型预测该像素属于类别i的概率；步骤S4、将一个批次内的有标签数据同时输入两个轻量级遥感语义分割模型，并分别计算对应的交叉熵损失和骰子损失的混合损失，将计算所得混合损失作为有监督损失；混合损失具体表示如下： 其中，对于每个像素，表示模型预测该像素属于类别i的概率,表示该像素属于类别i的概率，为0到1之间的权重;步骤S5、计算总损失，总损失是由以下三个部分按权重相加而得：所述步骤S3所得一致性损失、来自其中一个轻量级遥感语义分割模型在步骤S4计算得到的有监督损失、以及另一个轻量级遥感语义分割模型在步骤S4计算得到的有监督损失；总损失具体表示如下： 其中，为0到1的超参数，用于调整模型中无标签数据的重要程度；步骤S6、对总体损失进行优化以及反向梯度传播，更新网络参数；步骤S7、在同一测试集分别测试训练好的两个模型，选择其中精度较高的一个模型作为最终模型，该模型通过计算目标图像每个像素点所属类别的概率，选择概率最大的类别作为输出。

全文数据：

权利要求：

百度查询： 厦门瑞为信息技术有限公司;厦门理工学院 基于半监督学习的轻量级遥感图像分割方法

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