【技术实现步骤摘要】
一种基于强变换下的半监督遥感图像语义分割方法及设备
[0001]本专利技术涉及深度学习
,尤其涉及一种基于强变换下的半监督遥感图像语义分割方法、装置、计算机设备及非临时性计算机可读存储介质。
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图像分割新的利器。
[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,需要对影像中的地物目标进行密集标注,标注难度更大,有其是对高分辨率遥感影像来说,语义分割数据集的标注需要大量的人工和时间,这给基于深度卷积神经网络的遥感影像语义分割带来极大的困难。
[0004]针对上述问题,通常包括以下解决方法:
[0005]1.基于自训练的方法,分为3步:第一步,在有标签数据上训练一个模型;第二步,用预训练好的模型,为无标签数据集生成伪标签;第三步,使用有标注数据集的真值标签,和无标注数据集的伪标签,重新训练一个模型;第四步,重复几次上述过程。这种方法效果较好,但是重复训练提高了时间成本 ...
【技术保护点】
【技术特征摘要】
1.一种基于强变换下的半监督遥感图像语义分割方法,其特征在于,包括:构建遥感语义分割网络,所述遥感语义分割网络为教师网络
‑
学生网络结构的半监督学习网络;利用遥感图像数据集对所述遥感语义分割网络进行训练;将实时拍摄的遥感图像输入训练完成的遥感图像语义分割网络,输出结果即为对拍摄的遥感图像的语义分割结果。2.根据权利要求1所述的基于强变换下的半监督遥感图像语义分割方法,其特征在于,利用遥感图像数据集对所述遥感语义分割网络进行训练的步骤包括:获取遥感图像样本数据集,对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,通过对标签遥感图像使用边缘检测算法自动生产语义边界标签;预处理后划分为训练集、验证集和测试集;构建教师网络
‑
学生网络结构的半监督学习网络,作为遥感图像语义分割网络;其中,所述教师网络和学生网络采用DeepLabV3+网络模型;将所述训练集的原始遥感图像输入所述遥感图像语义分割网络中进行训练,确定模型训练的超参数与损失函数,优化遥感图像语义分割网络的参数,至所述验证集预测结果的预测精度达到预设精度阈值;将所述测试集输入训练好的遥感图像语义分割网络,验证网络分割准确性。3.根据权利要求2所述的基于强变换下的半监督遥感图像语义分割方法,其特征在于,所述遥感语义分割网络的训练方式为:将训练集遥感图像分为标记样本与无标记样本,标记样本包含遥感图像与对应标签遥感图像,无标记样本只包含遥感图像,将标记样本与无标记样本的遥感图像均输入至学生网络,标记样本的预测结果与标签数据计算监督损失,将无标记样本输入至教师网络,学生网络与教师网络对无标记样本的预测结果求一致性损失;无标记数据输入至教师网络与学生网络,对所得结果求对比损失;学生网络的参数由监督损失、对比损失、一致性损失共同优化得到,教师网络由每轮训练得到的学生网络进行指数滑动平均得到。4.根据权利要求2所述的基于强变换下的半监督遥感图像语义分割方法,其特征在于,对遥感图像及对应的标签遥感图像进行预处理的步骤包括:对原始遥感图像与对应标签遥感图像进行随机采样,每次采样得到512
×
512大小的遥感图像与对应标签遥感图像;对随机采样后得到的遥感图像进行样本增强,包括随机旋转n
×
90
°
(n=0,1,2,3),随机水平方向与垂直方向90
°
翻转,随机尺度缩放,随机亮度、对比度、饱和度增强。5.根据权利要求3所述的基于强变换下的半监督遥感图像语义分割方法,其特征在于,在所述遥感语义分割网络的训练过程中,针对标记样本数据,采样两张遥感图像和对应的标签遥感图像,使用随机掩膜混合的方法得到增强的遥感图像和标签遥感图像,输入学生网络;针对无标记样本,采样两张遥感图像,使用随机掩膜混合的方法得到增强的遥感图像,输入学生网络和教师网络。6.根据权利要求5所述的基于强变换下的半监督遥感图像语义分割方法,其特征在于,所述随机掩膜混合的方法包括:取掩膜L,变换后的增强图像为:
mix(x1,x2.L)=(1
‑
L
⊙
x1)+L
⊙
x2其中
⊙
表示按位置元素相乘,x1与x2为进行随机掩膜混合的两张遥感图像,L为尺寸与x1、x2,元素均为0或1的矩阵。7.根据权利要求2所述的基于强变换下的半监督遥感图像语义分割方法,其特征在于,所...
【专利技术属性】
技术研发人员:吕亮,杭兆峰,杨立华,孙正标,王恩民,任鑫,姚中原,王有超,王华,童彤,赵鹏程,杜静宇,李学刚,
申请(专利权)人:中国华能集团清洁能源技术研究院有限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:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。