【技术实现步骤摘要】
本专利技术涉及遥感图像语义分割相关，尤其是涉及一种遥感图像语义分割方法、系统、设备及存储介质。
技术介绍
1、在遥感图像的研究中，遥感图像的语义分割针对遥感影像中每一个像素点进行分类，一直是遥感图像中一个重要的研究方向。传统的遥感图像语义分割的方法经常使用机器学习算法，但分类的准确度还需要进一步提高。近些年以来，随着深度学习的发展，卷积神经网络(cnn)具有出色特征提取能力的已经被广泛应用于图像处理的各个领域，如场景分类等。long提出了全卷积网络(fcn)，把cnn网络中的全连接层换成全卷积层。与以往的图像分类方法不同，fcn可以实现任意大小的图像分割。segnet提出了反卷积结构，通过跳过连接来利用中间层的特征。gangfu等提出了一种多尺度的网络结构，取代了传统的卷积，膨胀的卷积增加感受野而不降低空间分辨率。空洞空间金字塔结构(aspp)主要是提出了多个空洞卷积分支，它们有不同空洞率，来提取多尺度特征，对图像中目标的分割精度提升明显。deeplabv3网络经过多次改进，目前已经成为深度学习语义分割领域最为成功的网络模型。其最新的版...
【技术保护点】
1.一种遥感图像语义分割方法，其特征在于，所述遥感图像语义分割方法包括：
2.根据权利要求1所述的一种遥感图像语义分割方法，其特征在于，所述将所述无标签图像与所述有标签图像均分别输入至两个所述教师模型中，得到两个所述教师模型分别输出的各自对应的伪标签，包括：
3.根据权利要求2所述的一种遥感图像语义分割方法，其特征在于，所述将所述无标签图像和所述有标签图像均分别输入至两个所述学生模型中，以使任意一个所述学生模型基于有监督损失和伪监督损失完成模型训练，包括：
4.根据权利要求3所述的一种遥感图像语义分割方法，其特征在于，所述根据所述两...
【技术特征摘要】
1.一种遥感图像语义分割方法，其特征在于，所述遥感图像语义分割方法包括：
2.根据权利要求1所述的一种遥感图像语义分割方法，其特征在于，所述将所述无标签图像与所述有标签图像均分别输入至两个所述教师模型中，得到两个所述教师模型分别输出的各自对应的伪标签，包括：
3.根据权利要求2所述的一种遥感图像语义分割方法，其特征在于，所述将所述无标签图像和所述有标签图像均分别输入至两个所述学生模型中，以使任意一个所述学生模型基于有监督损失和伪监督损失完成模型训练，包括：
4.根据权利要求3所述的一种遥感图像语义分割方法，其特征在于，所述根据所述两个所述教师模型分别输出的各自对应的伪标签进行均值计算，得到双教师模型伪标签均值，并根据所述双教师模型伪标签均值计算所述无标签图像的可靠性分数的计算公式为：
5.根据权利要求4所述的一种遥感图像语义分割方法，其特征在于，所述根据所述损失权重值、所述双教师模型伪标签均值和第一个学生模型伪标签进行损失计算，得到所述第一个学生模型的伪标签监督损失的计算公式为：
6.根据权利要求5所...
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。