【技术实现步骤摘要】
本专利技术公开一种基于多任务学习的沿海养殖池语义分割方法，属于遥感影像处理。
技术介绍
1、沿海养殖池的智能提取不仅为海洋资源管理和环境保护提供了重要的数据支持，还能为养殖业的规划和管理提供科学依据。沿海养殖池的提取难点在于，沿海养殖池分布在环境复杂的沿海带区域，并且排列紧密、数量庞大、形状不统一。因此传统方法如基于对象的图像分析法，在提取精度及可复制性方面表现不佳。深度学习作为当前人工智能热潮下的一种学习手段，极大的推动了图像语义分割技术的发展。通过搭建一个网络模型，计算机可以通过模型自主学习遥感影像中的地物特征，并具备良好的表达能力。
2、现有的沿海带养殖池语义分割方法主要集中在通过改进单一模型和引入复杂的特征融合技术来提升沿海养殖池提取的精度和稳定性。但这些方法通常需要复杂的网络结构和特征融合策略，增加了模型的复杂性和训练难度，并且由于设计上的局限性，这些模型往往难以在不同场景中保持稳定。针对这些问题，多任务学习提供了一种有效的解决思路。通过在一个统一的网络框架中设计数个不同的任务，基于任务之间的信息共享，模型能够学习...
【技术保护点】
1.一种基于多任务学习的沿海养殖池语义分割方法，其特征在于，包括：
2.根据权利要求1所述的一种基于多任务学习的沿海养殖池语义分割方法，其特征在于，S1包括，S1.1获取海岸带高分遥感影像中沿海养殖池矢量文件，并划分为训练区域和测试区域；基于gdal库数据处理方法对影像和矢量文件进行处理，生成具有固定尺寸和重叠率的掩膜标签集和影像集。
3.根据权利要求2所述的一种基于多任务学习的沿海养殖池语义分割方法，其特征在于，S1包括，S1.2基于canny边缘检测和欧几里得距离生成边界标签集和距离标签集，欧几里得距离变化由每个像素到最近非零像素的距离为：
4.根...
【技术特征摘要】
1.一种基于多任务学习的沿海养殖池语义分割方法，其特征在于，包括：
2.根据权利要求1所述的一种基于多任务学习的沿海养殖池语义分割方法，其特征在于，s1包括，s1.1获取海岸带高分遥感影像中沿海养殖池矢量文件，并划分为训练区域和测试区域；基于gdal库数据处理方法对影像和矢量文件进行处理，生成具有固定尺寸和重叠率的掩膜标签集和影像集。
3.根据权利要求2所述的一种基于多任务学习的沿海养殖池语义分割方法，其特征在于，s1包括，s1.2基于canny边缘检测和欧几里得距离生成边界标签集和距离标签集，欧几里得距离变化由每个像素到最近非零像素的距离为：
4.根据权利要求3所述的一种基于多任务学习的沿海养殖池语义分割方法，其特征在于，s2包括，s2.1采用多任务网络架构建立掩膜提取、边缘检测和距离估计的多任务权重共享网络。
5.根据权利要求4所述的一种基于多任务学习的沿海养殖池语义分割方法，其特征在于，s2包括，s2.2在网络架构的解码器末端开发适用于多任务卷积网络的层次化多头注意力hm-ha，对于输入特征x∈[b,c,h,w]，b为批...
【专利技术属性】
技术研发人员：季民，祁舰，靳奉祥，李婷，李云岭，宋鹏飞，左亚男，靳宇，李长赫，刘君，
申请(专利权)人：山东科技大学，
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。