一种基于CutMix-ResNet的半监督建筑物变化检测方法及系统技术方案

本发明专利技术公开了一种基于CutMix

【技术实现步骤摘要】
一种基于CutMix
‑
ResNet的半监督建筑物变化检测方法及系统


[0001]本专利技术属于变化检测
，具体涉及一种基于CutMix
‑
ResNet的半监督建筑物变化检测方法及系统。

技术介绍

[0002]随着我国城镇化的加速发展，城镇化和建设用地的规模都在不断扩大，对于建筑用地的土地普查也变得愈发重要。但随着我国经济的不断发展，大量使用人力资源进行普查的方法受限于效率低、成本高等问题，难以满足实际应用需求；所以，迅速、准确地发现地表覆盖变化信息变得至关重要。
[0003]建筑物变化检测旨在通过两幅双时相遥感数据，通过多种图像处理和模式识别方法提取建筑物变化信息，并定量的分析地表建筑物变化的特征与过程。其通过数字图像处理技术，对多时相的遥感影像，提取出地物发生变化的像元并赋予变化标签，提供地物的空间分布及其变化的定性与定量信息。
[0004]但是其受限于有标记样本数量较少，要检测的无标记样本数量远远大于有标记样本数量的问题。另外，传统的基于全卷积神经网络(FNN)的变化检测方法准确率本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于CutMix
‑
ResNet的半监督建筑物变化检测方法，其特征在于，包括以下步骤：S1、通过遥感卫星对同一地段的不同时相，采集三通道RGB遥感数据，对三通道RGB遥感数据每个通道进行数据归一化预处理，得到遥感双时像数据；S2、将步骤S1得到的遥感双时像数据划分为有标签训练数据集x
train
和有标签验证数据集x
val
；S3、将步骤S1得到的遥感双时像数据进行CutMix操作，得到增强数据，构建基于CutMix
‑
ResNet的半监督建筑物变化检测区域级老师模型M
RL
和样本级老师模型M
SL
；S4、集成步骤S3得到的区域级老师模型M
RL
和样本级老师模型M
SL
，以及步骤S2预先标注好的有标签样本x
train
共同训练学生模型M
S
，再将步骤S2划分的有标签验证数据集x
val
输入训练好的学生模型M
S
中，实现基于ResNet师生网络的变化检测。2.根据权利要求1所述的基于CutMix
‑
ResNet的半监督建筑物变化检测方法，其特征在于，步骤S3具体为：S301、将两个时相的数据x
t1
和x
t2
进行CutMix操作，得到增强数据x
t1cut
和x
t2cut
，增强数据x
t1cut
和x
t2cut
统称为x
rl
和y
rl
；S302、搭建残差块的基本结构，通过shortcut connection操作连接浅层和深层信息，使最开始的输入和经过卷积网络处理的结果直接相加，对相加的结果再使用层标准化处理，构成残差块的基本结构；S303、搭建残差块，具体为第一卷积层，第一标准化层，激活层，第二卷积层，第二标准化层和第一卷积层的shortcut connection；S304、搭建残差块之间连接的激活层，采用softmax作为激活函数，加入非线性因素；S305、重复步骤S303～S304的工作N次，完成单个Encoder处理数据的流程，将步骤S303搭建的残差块和激活层连接得到单个Encoder模块，再将多个Encoder模块连接得到多个Encoder网络，作为网络的解码器；S306、搭建用于分类的残差神经网络，在平均池化层之后使用全连接层修改步骤S205网络的解码器中最后一个Encoder的输出维度为伪label；S307、对步骤S306处理后的自监督损失项的结果采用二分类交叉熵损失函数计算交叉熵损失，优化残差神经网络；S308、采用步骤S306搭建好的残差神经网络，输入数据为x
rl
和y
rl
，搭建区域级老师模型M
RL
；S309、采用步骤S306搭建好的残差神经网络，输入数据为x
sl
和y
sl
，搭建样本级老师模型M
SL
；S310、将步骤S301中CutMix增强的数据x
rl
和y
rl
输入步骤S308搭建的区域级老师模型M
RL
计算交叉伪监督损失L
cps1
；S311、将原始数据x
sl
和y
sl
输入步骤S309搭建的区域级老师模型M
SL
计算交叉伪监督损失L
cps2
；S312、选择Adam优化方法，每完成一个批次训练验证一次，保存训练过程的交叉熵损失、训练准确率、验证交叉熵损失、验证准确率。3.根据权利要求2所述的基于CutMix
‑
ResNet的半监督建筑物变化检测方法，其特征在
于，步骤S301中，CutMix操作如下：x
t1cut
＝M
⊙
x
t1
+(1
‑
M)
⊙
x
t2
x
t2cut
＝M
⊙
x
t2
+(1
‑
M)
⊙
x
t1
y
t1cut
＝M
⊙
y
t1
+(1
‑
M)
⊙
y
t2
y
t2cut
＝M
⊙
y
t2
+(1
‑
M)
⊙
y
t1
其中，M表示Mask，
⊙
是像素级乘法，x
t1cut
和x
t2cut
分别为经过CutMix增强的两时相样本数据，x
t1cut
和x
t2cut
统称为x
rl
，y
t1cut
和y
t2cut
分别为经过CutMix增强的两时相标签数据，y
t1cut
和y
t2cut
统称为y
rl
。4.根据权利要求2所述的基于CutMix
‑
ResNet的半监督建筑物变化检测方法，其特征在于，步骤S302中，shortcut connection操作如下：H(x)＝F(x)+x其中，H(x)为观测值，F(x)为求解网络的残差映射函数，x为上一层ResNet输出的特征映射。5.根据权利要求2所述的基于CutMix
‑
ResNet的半监督建筑物...

【专利技术属性】
技术研发人员：冯志玺，陈帅，杨淑媛，高雅晨，彭同庆，胡浩，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：