一种遥感影像语义分割方法、系统、设备及存储介质技术方案

本发明专利技术公开了一种遥感影像语义分割方法、系统、设备及存储介质，属于图像处理领域，旨在解决语义分割精度不高，且分割效率低的缺陷性技术问题。本发明专利技术包括：网络的搭建、训练以及测试，该网络具体为Pytorch深度学习框架构建编码器

【技术实现步骤摘要】
一种遥感影像语义分割方法、系统、设备及存储介质


[0001]本专利技术属于图像处理领域，涉及一种遥感影像语义分割方法、系统、设备及存储介质。

技术介绍

[0002]图像分割的目的是将每个像素标记为一种类别，对于遥感图像，则将像素标记为一种地物类型，比如建筑、水体、道路、耕地、车辆等等。图像语义分割是从传统图像分割方法发展而来，传统图像分割方法(阈值法、k
‑
Means聚类法、区域法、边缘检测法)只关心找到地物的边界轮廓，并不关心地物所属的类别，语义分割不仅要精确地找到地物的轮廓，还需准确地判断地物所属的类别，即给出其语义。得益于深度学习的快速发展与计算机存储与运算力的极大提升，使得基于深度卷积神经网络的语义分割方法成为高分辨率遥感影像分割新的利器。
[0003]基于深度卷积神经网络的语义分割可以认为是像素级的分类任务，由于遥感影像一般具有尺寸大的特点，往往存在训练慢、效率低等问题，
[0004]通常解决方法：模型蒸馏；模型剪枝；更加高效的网络结构设计。模型蒸馏与剪枝的方法是对训练好的模型进行优化。
专利本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种遥感影像语义分割方法，其特征在于，包括如下步骤：获取遥感图像样本数据集，对遥感图像样本数据集中遥感图像的地物类别按像素进行标记，生成对应的标签遥感图像；搭建和训练深度语义分割网络，深度语义分割网络包括编码器、混合注意力模块和解码器，编码器以轻量化的ResNet为主干网络，将标签遥感图像数据输入至编码器，获取特征图输入至混合注意力模块，混合注意力模块的输出结果输入至解码器中，实现遥感影像的语义分割；其中，轻量化的ResNet包括五层特征提取层，每个特征提取层由若干非对称深度可分离带孔卷积瓶颈型模块构成。2.根据权利要求1所述的遥感影像语义分割方法，其特征在于，五层特征提取层由浅到深包含的非对称深度可分离带孔卷积瓶颈型模块数量为3，3，4，6，3；所述非对称深度可分离带孔卷积瓶颈型模块，依次为1
×
1卷积、一组1
×
3与3
×
1的非对称深度可分离带孔卷积、通道随机混合、一组1
×
3与3
×
1的非对称深度可分离带孔卷积、1
×
1卷积和残差连接。3.根据权利要求2所述的遥感影像语义分割方法，其特征在于，当输入特征图通道数为c
i
，使用c
o
个卷积核进行卷积运算；标准3
×
3卷积核对所有通道都进行卷积运算，其参数量为3
×3×
c
i
×
c
o
；非对称卷积将标准3
×
3卷积核分解为3
×
1与1
×
3的卷积核，其参数量为2
×3×
c
i
×
c
o
；深度可分离卷积负责对每一个通道进行卷积运算，参数量为3
×3×
c
i
。4.根据权利要求1所述的遥感影像语义分割方法，其特征在于，所述混合注意力模块包含空间注意力模块与通道注意力模块，输入特征图X分别输入空间注意力与通道注意力并将计算结果融合输入至解码器中；空间注意力模块的计算方法如下：S＝softmax(B
·
C)其中，B、C与D均为从输入特征图X通过1
×
1卷积生成的新特征图，B、C相乘的结果送入softmax层获得空间相关系数矩阵S，S
·
D以恢复至输...

【专利技术属性】
技术研发人员：吕亮，刘溟江，姚中原，任鑫，王恩民，吴昊，朱俊杰，武青，祝金涛，曾谁飞，周国栋，张宇，潘赫男，姜东，王华，童彤，赵鹏程，杜静宇，
申请(专利权)人：华能盐城大丰新能源发电有限责任公司华能国际电力江苏能源开发有限公司华能国际电力江苏能源开发有限公司清洁能源分公司，
类型：发明
国别省市：