申请/专利权人：浙江大学

申请日：2024-01-16

公开（公告）日：2024-04-12

公开（公告）号：CN117876688A

主分类号：G06V10/26

分类号：G06V10/26;G06V20/13;G06V20/70;G06V10/82;G06V10/40;G06V10/764;G06V10/74

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.30#实质审查的生效;2024.04.12#公开

摘要：本发明公开了一种基于类中心原型的遥感图像语义分割方法，包括：将待语义分割的遥感图像输入到经过训练的语义分割模型中，由编码器和解码器组成的特征提取器获得像素特征，分类器模块在训练时生成若干个最终局部类原型，利用相似度转换函数计算像素特征与最终局部类原型之间的相似度，取相似度最大的最终局部类原型所属的语义类别作为遥感图像的语义分割结果。本发明通过引入正交约束、第一约束、以及第二约束对语义分割模型进行约束，以控制类原型的生成方向，从而提升分割准确性。本发明是一种通用的架构，在对原模型做最微小的改变的同时为模型引入可解释性并提升模型的精度，为遥感图像语义分割任务引入了一种新的解决方案。

主权项：1.一种基于类中心原型的遥感图像语义分割方法，其特征在于，具体过程如下：获取一个经过训练的语义分割模型，所述语义分割模型由一个特征提取器和一个分类器模块组成，所述特征提取器由编码器模块和解码器模块组成，利用最小化语义分割损失函数联合训练所述语义分割模型，所述语义分割损失函数包含拉远原型与原型之间距离的正交约束、拉近像素与真值类原型之间距离的第一约束以及拉远像素与非真值类原型之间距离的第二约束；将待语义分割的遥感图像输入到所述特征提取器中，得到特征提取器提取的第一像素特征；将所述第一像素特征输入到所述分类器模块中，所述分类器模块在训练时生成所有语义类别各自对应的最终局部类原型，计算所述第一像素特征与各个最终局部类原型之间的欧式距离，利用相似度转换函数将所述欧式距离转换为所述第一像素特征与各个最终局部类原型之间的相似度，取相似度最大的最终局部类原型所属的语义类别作为遥感图像的语义分割结果；在所述语义分割模型的每一轮训练过程中，将输入的遥感图像通过所述特征提取器提取得到第二像素特征，对所述第二像素特征进行预分类操作，得到粗分割结果；对所述第二像素特征沿着空间维度进行切割，得到n个大小相同的切割后的局部像素特征块，对所述粗分割结果沿着空间维度进行切割，得到n个大小相同的切割后的局部粗分割结果块；对所述局部粗分割结果块和所述局部像素特征块进行矩阵乘法操作，每个语义类别得到n个局部类原型；针对每个语义类别，获取经过上一轮训练中动量更新后的m个子类原型，依次计算每个局部类原型与每个子类原型之间的欧式距离，并选择欧式距离最小的子类原型，通过动量更新的方式对每个子类原型进行更新，最终得到动量更新后的子类原型；基于更新动量更新后的子类原型计算所述正交损失、所述第一约束以及所述第二约束，利用所述语义分割损失函数优化所述特征提取器和所述分类器模块，不断迭代所述训练过程，直到所述语义分割模型收敛，最终训练完毕得到m个优化的子类原型作为所有语义类别各自对应的最终局部类原型。

全文数据：

权利要求：

百度查询： 浙江大学 一种基于类中心原型的遥感图像语义分割方法

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