【技术实现步骤摘要】
本申请涉及遥感，尤其涉及一种基于边缘增强的遥感解译样本精化方法及相关设备。
技术介绍
1、目前，随着人工智能的发展和大数据的到来，深度学习方法开始逐渐成为各个领域的重要组成部分。样本数据是深度学习的核心，随着深度学习模型的发展，模型的参数量越来越大，样本的质量以及数量的也越来越大，cognilytica数据分析公司依据统计指出，从事深度学习研究的科研人员80％以上的时间花在样本处理上。现有的遥感的样本标注工作基本是依赖于人工，学者们针对目视解译方法开发了许多辅助解译工具，使解译员解译效率更高，通常,商用的数据标注工具一般是由众包标注平台来提供，如labelme、labeli、opencv/cvat等。随着深度学习方法的兴起，监督分类方法实现样本标注也受到了极大的关注，随着视觉大模型sam(segment anything)的提出，深度学习样本标注开始进入大模型时代，sam的标注广泛应用与医学、自然图像、遥感等各个领域。
2、然而，作为深度学习训练所用的样本集，样本质量的评估至关重要，最初的标注评估依旧依赖于目视解译，由解译员...
【技术保护点】
1.一种基于边缘增强的遥感解译样本精化方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种基于边缘增强的遥感解译样本精化方法，其特征在于，所述将所述遥感影像数据输入至样本质量筛选模型进行筛选，得到预测图像的步骤包括：
3.根据权利要求2所述的一种基于边缘增强的遥感解译样本精化方法，其特征在于，所述将所述遥感影像数据输入至视觉保真度模型进行筛选操作，得到第一筛选影像数据的步骤包括：
4.根据权利要求2所述的一种基于边缘增强的遥感解译样本精化方法，其特征在于，所述根据余弦相似度方法对所述第一筛选影像数据进行聚类并筛选，得到第二...
【技术特征摘要】
1.一种基于边缘增强的遥感解译样本精化方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种基于边缘增强的遥感解译样本精化方法，其特征在于，所述将所述遥感影像数据输入至样本质量筛选模型进行筛选，得到预测图像的步骤包括：
3.根据权利要求2所述的一种基于边缘增强的遥感解译样本精化方法，其特征在于，所述将所述遥感影像数据输入至视觉保真度模型进行筛选操作，得到第一筛选影像数据的步骤包括：
4.根据权利要求2所述的一种基于边缘增强的遥感解译样本精化方法，其特征在于，所述根据余弦相似度方法对所述第一筛选影像数据进行聚类并筛选，得到第二筛选影像数据的步骤包括：
5.根据权利要求2所述的一种基于边缘增强的遥感解译样本精化方法，其特征在于，所述将所述第二筛选影像数据和所述标签数据输入至样本质量自动评估模型，得到预测图像的步骤包括：
6.根据权利要求5所述的一...
【专利技术属性】
技术研发人员：孙立坚，王益之，杨懿，谭相瑞，沈恒通，李洪霖，王洋，
申请(专利权)人：中国测绘科学研究院，
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。