[發明專利]基于遷移學習的遙感圖像語義分割方法有效
| 申請號： | 201911376836.0 | 申請日： | 2019-12-27 |
| 公開（公告）號： | CN111209813B | 公開（公告）日： | 2021-01-22 |
| 發明（設計）人： | 孔瑩瑩;張博文;閆碧原;劉艷娟 | 申請（專利權）人： | 南京航空航天大學 |
| 主分類號： | G06K9/00 | 分類號： | G06K9/00;G06K9/34;G06K9/62 |
| 代理公司： | 南京先科專利代理事務所(普通合伙) 32285 | 代理人： | 孫甫臣 |
| 地址： | 210016 江*** | 國省代碼： | 江蘇;32 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 基于 遷移 學習 遙感 圖像 語義 分割 方法 | ||
【權利要求書】：
1.一種基于遷移學習的遙感圖像語義分割方法，其特征在于，包括：
選擇源域數據訓練網絡為初始化網絡W，使用所述W初始化目標網絡模型的淺層參數，然后凍結初始化后的所述淺層參數，被凍結的所述淺層參數不參與所述目標網絡模型的后續訓練；
獲取所述源域數據和遙感圖像數據的最大平均差異MMD指標以及SMTD指標；
若所述SMTD指標小于預設閾值σ，使用所述遙感圖像數據訓練所述目標網絡模型中未被初始化的參數層，直至所述目標網絡模型收斂則得到最終分割模型，否則繼續訓練；
使用所述最終分割模型進行遙感圖像語義分割；
所述其中，H表示該MMD距離將數據映射到再生核希爾伯特空間中的度量，X為所述源域數據，xi為所述源域數據中需要進行分類的像素，Y表示所述遙感圖像數據，yi為所述遙感圖像數據中需要進行分類的像素，φ(.)為特征空間的映射函數，i,j,m,n為正整數，D為源域數據與遙感圖像數據之間的定量距離；
所述SMTD指標為其中，Ys→t為源域數據到遙感圖像數據的標簽空間變化量，At與As為使用所述最終分割模型分別在源域數據和遙感圖像數據進行深度監督學習時得到的驗證集上的準確率。
下載完整專利技術內容需要扣除積分，VIP會員可以免費下載。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于南京航空航天大學，未經南京航空航天大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201911376836.0/1.html，轉載請聲明來源鉆瓜專利網。
