小样本遥感场景图像分类方法、装置、设备及介质制造方法及图纸

技术编号:40323310 阅读:25 留言:0更新日期:2024-02-09 14:18
本申请涉及一种小样本遥感场景图像分类方法、装置、设备及介质,方法包括:调用预训练的遥感场景图像分类模型,遥感场景图像分类模型中的图像特征提取器提取遥感场景图像中的图像特征;遥感场景图像分类模型中的BERT模型中的图像特征映射网络对图像特征进行全局平均池化,采用两个全连接层将图像特征映射到512维特征嵌入空间确定图像映射特征;BERT模型中的语义特征映射网络提取遥感场景图像中的各类别名称的语义特征,采用两个全连接层将语义特征映射到512维特征嵌入空间确定语义映射特征;将图像映射特征以及语义映射特征进行二范数归一化,确定遥感场景图像中各个场景相对应的类别。本申请能够有效提升小样本学习分类识别任务性能。

【技术实现步骤摘要】

本申请涉及遥感图像处理领域,尤其涉及一种小样本遥感场景图像分类方法、相应的装置、电子设备及计算机可读存储介质。


技术介绍

1、随着遥感技术在观测范围和图像分辨率上的提高,遥感图像所包含的关于地形、植被、建筑等丰富地物数据,可为环境监测、土地资源管理、以及城市规划等应用提供重要的数据来源。遥感场景分类是遥感图像应用研究的重要组成部分。为实现更准确的场景分类,有效提取描述场景的特征成为关键问题之一。近年,随着深度学习技术的快速发展,深度学习方法在图像分类、语义分割和目标检测等多个领域中均取得最优性能。

2、目前,卷积神经网络已成为解决遥感场景分类问题的有效方案,但仍存在一定局限性,如当各类训练样本(或参考样本)较少时,模型易产生过拟合现象;而开发适用于小样本数据的学习模型亟待解决,小样本学习算法大体包括两个学习阶段:第一阶段是在有大量数据的基类上进行模型预训练;第二阶段是在目标小样本任务(又称新类)上微调预训练模型(例如,每类只有1或5个样本)。该策略模拟人类视觉认知识别机理,通过迁移先验知识来有效完成当前新任务。虽然通过自监督约束能有效提升小样本本文档来自技高网...

【技术保护点】

1.一种小样本遥感场景图像分类方法,其特征在于,包括:

2.根据权利要求1所述的小样本遥感场景图像分类方法,其特征在于,训练遥感场景图像分类模型的步骤,包括:

3.根据权利要求2所述的小样本遥感场景图像分类方法,其特征在于,训练遥感场景图像分类模型的步骤,包括:

4.根据权利要求2所述的小样本遥感场景图像分类方法,其特征在于,训练遥感场景图像分类模型的步骤,包括:

5.根据权利要求1所述的小样本遥感场景图像分类方法,其特征在于,获取待分类遥感场景图像的步骤之后,包括:

6.根据权利要求1所述的小样本遥感场景图像分类方法,其特征在...

【技术特征摘要】

1.一种小样本遥感场景图像分类方法,其特征在于,包括:

2.根据权利要求1所述的小样本遥感场景图像分类方法,其特征在于,训练遥感场景图像分类模型的步骤,包括:

3.根据权利要求2所述的小样本遥感场景图像分类方法,其特征在于,训练遥感场景图像分类模型的步骤,包括:

4.根据权利要求2所述的小样本遥感场景图像分类方法,其特征在于,训练遥感场景图像分类模型的步骤,包括:

5.根据权利要求1所述的小样本遥感场景图像分类方法,其特征在于,获取待分类遥感场景图像的步骤之后,包括:

6.根据权利要求1所述的小样本遥感场景图像分类方法,其特征在于,所述遥感场景图像分类模型中的bert模型中的图像特征映射网络对所述图像...

【专利技术属性】
技术研发人员:骆威李豪俊
申请(专利权)人:华南农业大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1