[發(fā)明專利]基于遷移學(xué)習(xí)的遙感圖像語義分割方法

有效

• 申請?zhí)枺?/td>: 201911376836.0
• 申請日: 2019-12-27
• 公開（公告）號: CN111209813B
• 公開（公告）日: 2021-01-22
• 發(fā)明（設(shè)計）人: 孔瑩瑩;張博文;閆碧原;劉艷娟
• 申請（專利權(quán)）人: 南京航空航天大學(xué)
• 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(wù)所(普通合伙) 32285
• 代理人: 孫甫臣

本發(fā)明公開了一種基于遷移學(xué)習(xí)的遙感圖像語義分割技術(shù)，涉及遙感圖像處理技術(shù)領(lǐng)域，解決了遙感圖像語義分割的深度學(xué)習(xí)方法上的耗時長、應(yīng)用范圍窄等技術(shù)問題，其技術(shù)方案要點是應(yīng)用遷移學(xué)習(xí)技術(shù)，將由其他數(shù)據(jù)集即源域訓(xùn)練的初始化模型經(jīng)過遷移后應(yīng)用在遙感圖像即目標域的語義分割任務(wù)上，遷移后的初始化模型只需訓(xùn)練該初始化模型未被凍結(jié)的參數(shù)層，在準確率相近的情況下大大降低了模型的訓(xùn)練時長，提高了深度學(xué)習(xí)網(wǎng)絡(luò)模型的可重用性。

技術(shù)領(lǐng)域

本公開涉及遙感圖像處理技術(shù)領(lǐng)域，尤其涉及一種基于遷移學(xué)習(xí)的遙感圖像語義分割方法。

背景技術(shù)

遙感是一種非接觸、遠距離的探測技術(shù)，一般指運用傳感器或遙感器對物體的電磁波輻射、反射特性進行探測，通過這類對電磁波敏感的儀器，在遠離目標或不接觸目標物體條件下探測目標的地物。遙感技術(shù)在國土檢測、災(zāi)情評估、城市規(guī)劃、軍事勘探等多方面有著廣泛的應(yīng)用，對其獲取的圖像進行語義分割即將其分割為各種類別的圖像塊是對其進一步應(yīng)用的基礎(chǔ)。目前圖像語義分割的主流實現(xiàn)方法為深度學(xué)習(xí)，但其訓(xùn)練的耗時較長、應(yīng)用范圍較窄。

發(fā)明內(nèi)容

技術(shù)目的：克服遙感圖像語義分割的深度學(xué)習(xí)方法上的耗時長、應(yīng)用范圍窄等問題。

本公開的上述技術(shù)目的是通過以下技術(shù)方案得以實現(xiàn)的：

一種基于遷移學(xué)習(xí)的遙感圖像語義分割方法，包括：

選擇源域數(shù)據(jù)訓(xùn)練網(wǎng)絡(luò)為初始化網(wǎng)絡(luò)W，使用所述W初始化目標網(wǎng)絡(luò)模型的淺層參數(shù)，然后凍結(jié)初始化后的所述淺層參數(shù)，被凍結(jié)的所述淺層參數(shù)不參與所述目標網(wǎng)絡(luò)模型的后續(xù)訓(xùn)練；

獲取所述源域數(shù)據(jù)和遙感圖像數(shù)據(jù)的最大平均差異MMD指標以及SMTD指標；

若所述SMTD指標小于預(yù)設(shè)閾值σ，使用所述遙感圖像數(shù)據(jù)訓(xùn)練所述目標網(wǎng)絡(luò)模型中未被初始化的參數(shù)層，直至所述目標網(wǎng)絡(luò)模型收斂則得到最終分割模型，否則繼續(xù)訓(xùn)練；

使用所述最終分割模型進行遙感圖像語義分割。

進一步地，所述其中，H表示該MMD距離將數(shù)據(jù)映射到再生核希爾伯特空間(Reproducing Kernel HilbertSpace,RKHS)中的度量，X為所述源域數(shù)據(jù)，x_i為所述源域數(shù)據(jù)中需要進行分類的像素，Y表示所述遙感圖像數(shù)據(jù)，y_i為所述遙感圖像數(shù)據(jù)中需要進行分類的像素，φ(.)為特征空間的映射函數(shù)，i,j,m,n為正整數(shù)。

進一步地，所述SMTD指標為其中，Y_s→t為源域數(shù)據(jù)到遙感圖像數(shù)據(jù)的標簽空間變化量，A_t與A_s為使用所述最終分割模型分別在源域數(shù)據(jù)和遙感圖像數(shù)據(jù)進行深度監(jiān)督學(xué)習(xí)時得到的驗證集上的準確率。

本公開的有益效果在于：應(yīng)用遷移學(xué)習(xí)技術(shù)可以將由其他數(shù)據(jù)集訓(xùn)練的網(wǎng)絡(luò)中的通用特征(點、線等)遷移到遙感圖像上，避免了特征的重復(fù)學(xué)習(xí)，與現(xiàn)有的基于深度學(xué)習(xí)的遙感圖像語義分割技術(shù)相比，本公開降低了深度學(xué)習(xí)模型的訓(xùn)練時間，提高了深度學(xué)習(xí)模型的可重用性。

附圖說明

圖1為本公開方法流程圖；

圖2為遷移學(xué)習(xí)整體架構(gòu)示意圖；

圖3是遙感圖像數(shù)據(jù)示例圖，其中(a)為遙感圖像；(b)為對應(yīng)的DSM；(c)為人工標注的標簽；

圖4為三種遷移學(xué)習(xí)方案最終分割結(jié)果示例圖，(a)為原始遙感圖像；(b)為對應(yīng)的DSM；(c)為UAV-DSM遷移結(jié)果示意圖；(d)為由遙感圖像的數(shù)據(jù)直接訓(xùn)練的模型的輸出結(jié)果；(e)為由MSRC遷移的模型的輸出結(jié)果；(f)為人工標注的標簽。

具體實施方式

下面將結(jié)合附圖對本公開技術(shù)方案進行詳細說明。