申请/专利权人：武汉大学

申请日：2022-05-20

公开（公告）日：2024-04-16

公开（公告）号：CN114821337B

主分类号：G06V20/10

分类号：G06V20/10;G06V10/82;G06V10/774;G06N3/0464;G06N3/0895

优先权：

专利状态码：有效-授权

法律状态：2024.04.16#授权;2022.08.16#实质审查的生效;2022.07.29#公开

摘要：本发明提供的是一种基于时相一致性伪标签的半监督SAR图像建筑区提取方法，本发明利用时间序列SAR图像中的语义不变性获取一致性约束，将不同时间点的SAR图像间的非语义变化看作是天然数据增强的结果，同时对两个支路的模型使用不同的初始化参数，构造模型参数层面的扰动，数据和模型层面的扰动能够增强模型预测的稳定性和对数据噪声的鲁棒性。本发明采用的基于时相一致性伪标签的半监督SAR图像建筑区提取方法，能够有效利用无标注SAR图像序列中的信息，得到更好的建筑区提取效果。

主权项：1.一种基于时相一致性伪标签的半监督SAR图像建筑区提取方法，其特征在于，包括以下步骤：步骤1，将有标注的SAR图像数据同时输入到两个具有相同结构的支路网络中Gθ1·和Gθ2·，两个支路网络的初始化参数不同，得到两个网络的预测结果；步骤2，计算两个支路网络输出结果与人工标注间的损失函数；步骤3，将无标注的时间序列SAR图像随机平均划分，得到两组无标注输入图像；步骤4，将步骤3中随机划分的两组无标注数据分布输入到两个不同支路，得到每个时相图像的预测结果，即预测概率输出；步骤5，对步骤4中无标注数据的网络预测概率输出进行评估，对于每个像素点，如果其预测类别的概率最大值大于设定的阈值θ1，则该点为有效预测点；对于每张图像的预测结果，如果有效预测点的比例大于设定的阈值θ2，则该预测结果为有效预测；步骤6，通过伪标签生成模块，将无标注数据的有效预测输出转化为伪标签，每一个时间点图像生成一个对应的伪标签，对于第t个时间点的图像，将其他所有时间点的有效预测概率进行平均后，得到平均预测概率，然后将平均预测概率中每个像素点概率最大的类别作为该像素点的类别；步骤7，计算无标注图像序列每个时间点图像的预测输出和伪标签之间的时相一致性损失函数；步骤8，计算标注数据和无标注数据的总损失函数，并通过反向传播算法更新模型参数；步骤9，经过上述步骤训练得到的模型Gθ1·和Gθ2·，在推理阶段，对于输入图像I，只使用其中的一个模型即可得到预测结果，即模型对于输入图像的每一个像素点预测各个类别的概率，选择概率最大的类别作为预测输出的类别；步骤10，将图像中预测为“建筑区”类别的像素点集合提取为建筑区域。

全文数据：

权利要求：

百度查询： 武汉大学 基于时相一致性伪标签的半监督SAR图像建筑区提取方法

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