【技术实现步骤摘要】
本专利技术属于遥感语义分割信息提取，具体涉及一种基于sam多阶微调的遥感影像土地分类方法。
技术介绍
1、土地利用/覆被多分类信息的提取可以为多类地学研究任务提供更全面的数据支持，包括环境监测、变化检测、土地覆盖制图等其他实际应用。随着遥感技术的快速发展，基于遥感影像的地表覆盖分类方法成为开展地表资源环境调查与变化更新的主要手段。随着地球卫星观测技术的进步，高分辨率遥感影像的普及，提供了丰富的地表土地利用信息。高分辨率卫星数据已成为土地利用多分类任务中的主要数据来源，基于高分辨率遥感影像的土地利用多分类研究具有重要意义。
2、深度学习技术的出现在土地利用/覆盖多分类领域带来了许多性能卓越，特定于问题的方法，已经成为高分辨率遥感图像解译的主流方法。
3、利用旋转目标检测识别出遥感影像中物体优势明显。因为遥感影像中的物体具有任意位置、任意方向、小而密集等特性，而任意方向的旋转框可以很贴合、准确地定位出物体，不会造成不同物体检测框大量重合等现象。
4、然而，由于遥感成像条件多变性的影响以及不同场景相同目标光...
【技术保护点】
1.基于SAM多阶微调的遥感影像土地分类方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于SAM多阶微调的遥感影像土地分类方法，其特征在于，步骤一中，基于遥感影像制作样本库；首先，针对相应的土地利用/覆盖分类体系需求，基于各类遥感影像通过目视解译构建样本数据集。
3.根据权利要求1所述的基于SAM多阶微调的遥感影像土地分类方法，其特征在于，步骤二中，模型主要包括域偏移适配模块，深度低秩适配模块，以及语义聚焦适配改进的掩码解码结构。
4.根据权利要求3所述的基于SAM多阶微调的遥感影像土地分类方法，其特征在于，将影像输入S...
【技术特征摘要】
1.基于sam多阶微调的遥感影像土地分类方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于sam多阶微调的遥感影像土地分类方法，其特征在于，步骤一中，基于遥感影像制作样本库；首先，针对相应的土地利用/覆盖分类体系需求，基于各类遥感影像通过目视解译构建样本数据集。
3.根据权利要求1所述的基于sam多阶微调的遥感影像土地分类方法，其特征在于，步骤二中，模型主要包括域偏移适配模块，深度低秩适配模块，以及语义聚焦适配改进的掩码解码结构。
4.根据权利要求3所述的基于sam多阶微调的遥感影像土地分类方法，其特征在于，将影像输入sam前，首先使用域偏移适配模块对其进行微调，分离了输入高分辨率图像的光谱和空间域，通过空间卷积在每个特征维度上独立提取空间特征；然后，通过逐点光谱卷积收集每个维度的信息，捕捉不同通道之间的相关性。
5.根据权利要求4所述的基于sam多阶微调的遥感影像土地分类方法，其特征在于，将通过域偏移适配模块微调后的特征输入sam的图像编码器，使用sam的vit-b作为骨干网络，深度低秩适配模块基于lora从特定域提取特征信息，并将其插入到sam编码器的vit块中，实现了高效的模型微调。
6.根据权利要求5所述的基于sam多阶微调的遥感影像土地分类方法，其特征在于，lora通过计算矩阵的秩来分解重要特征，从而能够用低秩矩阵表示高维特；在lora层基础上添加细节卷积分支，在微调过程中提供额外的调节参数，具体实现公式如下：
7.根据权利要求6所述的基于sam多阶微调的遥感影像土地分类方法，其特征在于，在模型架构中，构建的dlra应用于图像编码器中每一个transformer模块，冻结了图像编码器预训练权重w，...
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。