【技术实现步骤摘要】
本专利技术涉及图像处理，进一步涉及文本跨模态检索，尤其涉及一种基于域适应的sar图像-文本跨模态检索方法、装置及设备。
技术介绍
1、和传统方法相比，深度学习在很多领域确实带来了很多优势，但是sar图像跨模态图文检索仍存在一些亟待探讨的问题：目前学术界拥有标注的光学遥感图像-文本数据集，其获取难度远小于sar(synthetic aperture radar，逆合成孔径雷达)图像-文本数据。那么，如何利用已标注的光学遥感图像-文本数据集来辅助实现无标注图像-文本数据集的sar图像跨模态检索就成了一个亟待解决的问题。
2、对于使用有标签的光学遥感图像数据训练好的模型，在无标签的sar图像据上进行测试时，由于每个域分布不同导致的域偏移问题，一般会取得较差的效果。
3、典型的解决方案是在sar图像数据上进一步微调该网络。然而，要获得足够的sar图像标签数据来进行适当微调所付出的代价是极其昂贵的。
技术实现思路
1、有鉴于此，本专利技术提供了一种基于域适应的sar图像-文本...
【技术保护点】
1.一种基于域适应的SAR图像-文本跨模态检索方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述利用ResNet对源域特征提取模块与第一语义映射模块进行预训练，包括：
3.根据权利要求1所述的方法，其特征在于，所述基于SOT数据集，利用训练好的所述源域特征提取模块，对目标域的特征提取模块与模态判别模块进行训练，包括：
4.根据权利要求3所述的方法，其特征在于，所述基于SOT数据集中的光学遥感图像和SAR图像对，利用训练好的所述源域特征提取模块，对目标域的特征提取模块与模态判别模块进行训练，包括：
...【技术特征摘要】
1.一种基于域适应的sar图像-文本跨模态检索方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述利用resnet对源域特征提取模块与第一语义映射模块进行预训练，包括：
3.根据权利要求1所述的方法，其特征在于，所述基于sot数据集，利用训练好的所述源域特征提取模块，对目标域的特征提取模块与模态判别模块进行训练，包括：
4.根据权利要求3所述的方法，其特征在于，所述基于sot数据集中的光学遥感图像和sar图像对，利用训练好的所述源域特征提取模块，对目标域的特征提取模块与模态判别模块进行训练，包括：
5.根据权利要求1所述的方法...
【专利技术属性】
技术研发人员：郭超，谢涛，周雄，韩建楠，吕渡，李宁，杨瑞，孙颖智，王爽，
申请(专利权)人：自然资源陕西省卫星应用技术中心，
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。