模型优化方法、装置、电子设备和存储介质制造方法及图纸

本发明专利技术实施例提供一种模型优化方法、装置、电子设备和存储介质，该方法包括：对包含目标物体的遥感图像进行特征提取，以得到特征图。将特征图分别输入目标检测模型和语义分割模型中。再根据目标检测模型输出的目标物体所属的第一预测类别、目标物体在遥感图像中的预测位置以及语义分割模型输出的目标物体所属的第二预测类别对目标检测模型进行优化。可见，上述方法是同时借助目了标检测模型和语义分割模型输出的结果来对目标检测模型进行优化的。并且由于语义分割模型输出的第二预测类别是像素级别的，其的分类粒度比目标检测模型更小，将不同粒度的输出结果相结合后能够使模型优化效果更佳，目标检测模型的检测结果也会更准确。

【技术实现步骤摘要】
模型优化方法、装置、电子设备和存储介质
本专利技术涉及计算机
，尤其涉及一种模型优化方法、装置、电子设备和存储介质。
技术介绍
遥感可以通过人造地球卫星、航空等平台上的遥测仪器来对地球表面实施感应遥测。通过得到的遥感图像可以进行资源管理和检测。一种常见的资源监测场景为：对土地覆盖的检测，也即是识别出土地是森林、空旷土地、耕地、水域、工厂、商业区等。利用检测结果，可以实现对森林砍伐进行跟踪，也可以为城市规划提供参考。对于遥感图像的分析通常可以借助目标检测模型实现，所以目标检测模型输出的检测结果是否准确就显得至关重要。为了保证检测结果的准确性，通常还会对目标检测模型进行优化，此时，如何保证模型的优化效果就成为一个亟待解决的问题。
技术实现思路
本专利技术实施例提供一种模型优化方法、装置、电子设备和存储介质，用以优化目标检测模型的检测效果。本专利技术实施例提供一种模型优化方法，包括：对包含目标物体的遥感图像进行特征提取，以得到特征图；获取目标检测模型根据所述特征图确定出的所述目标物体所属的第一本文档来自技高网...

【技术保护点】
1.一种模型优化方法，其特征在于，包括：/n对包含目标物体的遥感图像进行特征提取，以得到特征图；/n获取目标检测模型根据所述特征图确定出的所述目标物体所属的第一预测类别以及所述目标物体在所述遥感图像中的预测位置；/n获取语义分割模型根据所述特征图确定出的所述目标物体所属的第二预测类别；/n根据所述第一预测类别、所述预测位置以及所述第二预测类别优化所述目标检测模型。/n

【技术特征摘要】
1.一种模型优化方法，其特征在于，包括：
对包含目标物体的遥感图像进行特征提取，以得到特征图；
获取目标检测模型根据所述特征图确定出的所述目标物体所属的第一预测类别以及所述目标物体在所述遥感图像中的预测位置；
获取语义分割模型根据所述特征图确定出的所述目标物体所属的第二预测类别；
根据所述第一预测类别、所述预测位置以及所述第二预测类别优化所述目标检测模型。


2.根据权利要求1所述的方法，其特征在于，所述根据所述第一预测类别、所述预测位置以及所述第二预测类别优化所述目标检测模型，包括：
确定所述第一预测类别与所述目标物体的真实类别之间的第一预测误差值；
确定所述预测位置与所述目标物体的真实位置之间的第二预测误差值；
确定所述第二预测类别与所述真实类别之间的第三预测误差值；
根据所述第一预测误差值、所述第二预测误差值、所述第三预测误差值优化所述目标检测模型。


3.根据权利要求2所述的方法，其特征在于，所述确定所述第一预测类别与所述目标物体的真实类别之间的第一预测误差值，包括：
获取所述目标检测模型输出的所述目标物体属于第一预测类别的置信度以及所述目标物体的真实类别；
根据所述置信度和所述真实类别确定所述第一预测误差值。


4.根据权利要求2所述的方法，其特征在于，所述确定所述预测位置与所述目标物体的真实位置之间的第二预测误差值，包括：
确定所述预测位置和所述真实位置在所述特征图中各自对应的第一图像块和第二图像块；
获取所述第一图像块的第一尺寸信息以及所述第一图像块的中心像素点的第一像素坐标；
获取所述第二图像块的第二尺寸信息以及所述第二图像块的中心像素点的第二像素坐标；
根据第一尺寸信息、所述第一像素坐标以及所述第二尺寸信息、所述第二像素坐标确定所述第二预测误差值。


5.根据权利要求2所述的方法，其特征在于，所述确定所述第二预测类别与所述真实类别之间的第三预测误差值，包括：
获取用于表明所述目标物体属于所述第二预测类别的语义分割图；
根据所述语义分割图与所述特征图中对应像素点的颜色值确定所述第三预测误差值。


...

【专利技术属性】
技术研发人员：卢凯旋，张昆仑，
申请(专利权)人：中国科学院空天信息创新研究院，
类型：发明
国别省市：北京;11