【技术实现步骤摘要】
场景分类模型的训练方法、遥感影像场景分类方法及设备
[0001]本专利技术涉及人工智能领域,具体涉及图像处理
、
深度学习
、
计算机视觉等
,尤其涉及一种场景分类模型的训练方法
、
遥感影像场景分类方法
、
电子设备及存储介质
。
技术介绍
[0002]遥感影像是由高空传感器对地表进行扫描和拍摄而捕获的图像数据,其包含了详细的地物构成和分布信息
。
但由于遥感场景构成复杂
、
地物目标较小
、
地物空间分布杂乱等因素,使得同一类遥感场景图像之间差异较大,而不同类遥感场景图像之间差异较小
。
另外,遥感影像中通常会包含多个类别的场景,而每个类别的场景在遥感影像中往往只占一小块区域,使得场景的分类更加困难
。
因此,如何提高遥感影像场景分类的准确性,仍然是一件非常具有挑战性的任务
。
技术实现思路
[0003]本专利技术提供一种场景分类模型的训练方法
、
遥感影像场景分类方法
、
电子设备
、
存储介质及计算机程序产品
。
[0004]根据本专利技术的一个方面,提供了一种场景分类模型的训练方法,场景分类模型包括特征提取网络
、
第一分类网络和第二分类网络,上述方法包括:获取第一样本影像集,第一样本影像集包括多个第一影像块和多个第一影像块各自的样本标签,样本标签用 ...
【技术保护点】
【技术特征摘要】
1.
一种场景分类模型的训练方法,所述场景分类模型包括特征提取网络
、
第一分类网络和第二分类网络,所述方法包括:获取第一样本影像集,所述第一样本影像集包括多个第一影像块和多个第一影像块各自的样本标签,所述样本标签用于表征相应的第一影像块中多个待分类场景所属的场景类别;利用所述特征提取网络对所述第一样本影像集中的每个第一影像块进行特征提取,得到每个第一影像块的局部特征;其中,所述特征提取网络是基于第二样本影像集对自动编码器进行训练而得到的;基于每个第一影像块的局部特征,生成针对所述每个第一影像块的视觉单词直方图;分别使用所述第一分类网络和所述第二分类网络基于所述视觉单词直方图,得到与各个待分类场景对应的第一分类结果和第二分类结果;根据所述第一分类结果
、
所述第二分类结果
、
所述样本标签和多个待分类场景之间的关联关系,确定针对所述第一分类结果的第一损失值和针对所述第二分类结果的第二损失值;以及根据所述第一损失值和所述第二损失值,分别调整所述第一分类网络和所述第二分类网络各自的参数
。2.
根据权利要求1所述的方法,其中,所述关联关系包括多个待分类场景之间的相关关系和混淆关系;所述第一分类网络包括与所述多个待分类场景各自对应的第一分类子网络;所述第二分类网络包括与所述多个待分类场景各自对应的第二分类子网络;所述根据所述第一分类结果
、
所述第二分类结果
、
所述样本标签和多个待分类场景之间的关联关系,确定针对所述第一分类结果的第一损失值和针对所述第二分类结果的第二损失值包括:根据所述样本标签和所述相关关系,生成用于训练每个第一分类子网络的第一分类标签;根据所述样本标签和所述混淆关系,生成用于训练每个第二分类子网络的第二分类标签;根据所述第一分类结果和所述第一分类标签,确定所述第一损失值;以及根据所述第二分类结果和所述第二分类标签,确定所述第二损失值
。3.
根据权利要求2所述的方法,其中,响应于所述相关关系包括与第一待分类场景具有相关性的第二待分类场景,针对任意一个第一分类子网络对应的第一待分类场景,执行以下操作中的其中之一:响应于确定所述样本标签中包括所述第一待分类场景,确定所述第一影像块中第一待分类场景对应的第一分类标签为1;响应于确定所述样本标签中不包括所述第一待分类场景,且包括所述第二待分类场景,确定所述第一影像块中第一待分类场景对应的第一分类标签为1;以及响应于确定所述样本标签中不包括所述第一待分类场景和所述第二待分类场景,确定所述第一影像块中第一待分类场景对应的第一分类标签为
0。4.
根据权利要求3所述的方法,其中,响应于所述混淆关系包括第三待分类...
【专利技术属性】
技术研发人员:鲁锦涛,张丽,李洁,邹圣兵,
申请(专利权)人:北京数慧时空信息技术有限公司,
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。