【技术实现步骤摘要】
本专利技术属于深度学习以及计算机视觉，尤其涉及一种基于类别神经塌缩的遥感图像语义分割方法、系统及设备。
技术介绍
1、近年来，随着深度学习技术在计算机视觉领域的广泛应用，语义分割作为一种基本任务，在遥感图像(rsis)处理及其相关应用中发挥着重要作用。这些应用包括土地利用分类、农业生产估计、环境监测等领域，对于理解和分析复杂的地理和环境数据至关重要。然而，与传统图像相比，rsis呈现出独特的挑战，主要体现在两个方面：一是遥感图像中不同类别的对象常表现出多尺度现象，导致单一尺度的分析方法难以适应不同大小对象的识别；二是由于遥感图像采集的场景限制，如某些数据集主要关注城市区域，使得自然地貌(如荒地、森林)出现频率较低，进而造成了类别间对象分布的不一致性。这种固有的数据不平衡现象，使得在少量样本上的少数类别识别成为了一个难题。此外，随着遥感技术的进步和遥感数据量的激增，对于有效、高效的图像处理方法的需求日益增长。尽管近年来基于深度学习的图像语义分割技术取得了显著进展，但在处理这些具有特殊特征的遥感图像时，仍面临许多挑战。特别是在数据不平衡的环...
【技术保护点】
1.一种基于类别神经塌缩的遥感图像语义分割方法，其特征在于，包括以下步骤：
2.如权利要求1所述的一种基于类别神经塌缩的遥感图像语义分割方法，其特征在于，所述ETF结构分类器在初始化时，通过下式满足等角分离的最大值：
3.如权利要求2所述的一种基于类别神经塌缩的遥感图像语义分割方法，其特征在于，所述类间正则化损失的函数形式为：
4.如权利要求3所述的一种基于类别神经塌缩的遥感图像语义分割方法，其特征在于，第k个语义类别的平均值特征计算方式如下：
5.如权利要求4所述的一种基于类别神经塌缩的遥感图像语义分割方法，其特征在于...
【技术特征摘要】
1.一种基于类别神经塌缩的遥感图像语义分割方法，其特征在于，包括以下步骤：
2.如权利要求1所述的一种基于类别神经塌缩的遥感图像语义分割方法，其特征在于，所述etf结构分类器在初始化时，通过下式满足等角分离的最大值：
3.如权利要求2所述的一种基于类别神经塌缩的遥感图像语义分割方法，其特征在于，所述类间正则化损失的函数形式为：
4.如权利要求3所述的一种基于类别神经塌缩的遥感图像语义分割方法，其特征在于，第k个语义类别的平均值特征计算方式如下：
5.如权利要求4所述的一种基于类别神经塌缩的遥感图像语义分割方法，其特征在于，所述类内正则化损失的函数形...
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。