[發明專利]多輸出土地覆蓋分類模型的訓練方法、分類方法及裝置

有效

• 申請號: 202010623009.3
• 申請日: 2020-07-01
• 公開（公告）號: CN111507321B
• 公開（公告）日: 2020-09-25
• 發明（設計）人: 陳偉濤;唐壯;李顯巨;王力哲;田甜;陳剛
• 申請（專利權）人: 中國地質大學（武漢）
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京隆源天恒知識產權代理事務所(普通合伙) 11473
• 代理人: 鞠永帥

1.一種多輸出土地覆蓋分類模型的訓練方法，其特征在于，包括：

獲取訓練數據；

將所述訓練數據輸入至基于深度置信網絡的初始模型中進行訓練，獲得多輸出土地覆蓋分類模型，其中，所述初始模型包含N級輸出，所述N級輸出包括設置于所述初始模型最后一個網絡層的輸出和設置于所述初始模型第一個網絡層至倒數第二個網絡層中任意N-1個網絡層的N-1級輸出，根據所述N級輸出的損失確定總損失，基于所述總損失進行反向傳播，以調整所述初始模型的參數，N為大于或等于2的整數；

所述獲取訓練數據包括：

獲取訓練用的圖像集；

對所述圖像集進行特征提取，得到所述訓練數據，其中，提取的特征包括以下至少一種：波段光譜、植被指數、主成分波段、多尺度濾波特征、多尺度紋理特征和地形特征。

2.如權利要求1所述的多輸出土地覆蓋分類模型的訓練方法，其特征在于，所述根據所述N級輸出的損失確定總損失包括：

根據所述N級輸出的損失各自對應的權重系數，計算所述N級輸出的損失的加權和，作為所述總損失。

3.如權利要求1所述的多輸出土地覆蓋分類模型的訓練方法，其特征在于，N=2，所述初始模型包含第一級輸出和第二級輸出，所述根據所述N級輸出的損失確定總損失包括：

基于所述第一級輸出與其相應標簽獲得第一損失，基于所述第二級輸出與其相應標簽獲得第二損失；

根據所述第一損失、所述第二損失以及所述第一損失、所述第二損失各自對應的權重系數，計算總損失。

4.如權利要求1所述的多輸出土地覆蓋分類模型的訓練方法，其特征在于，所述初始模型為多個，所述將所述訓練數據輸入至基于深度置信網絡的初始模型中進行訓練，獲得多輸出土地覆蓋分類模型包括：

將所述訓練數據分別輸入至各所述初始模型中，以對各所述初始模型進行訓練，獲得各所述初始模型對應訓練好的分類模型，其中，各個所述初始模型的N-1級輸出所處的網絡層數互不相同；

從多個所述分類模型中選取分類結果最優的分類模型作為所述多輸出土地覆蓋分類模型。

5.如權利要求2所述的多輸出土地覆蓋分類模型的訓練方法，其特征在于，所述初始模型為多個，且各個所述初始模型的N-1級輸出所處的網絡層數互不相同，所述將所述訓練數據輸入至基于深度置信網絡的初始模型中進行訓練，獲得多輸出土地覆蓋分類模型包括：

將所述訓練數據分別輸入至各所述初始模型中，以對各所述初始模型進行訓練，獲得各所述初始模型對應訓練好的分類模型，其中，各所述初始模型反向傳播時所基于的總損失為基于各所述初始模型的所述N級輸出的損失，以及各級輸出的損失對應的預設默認權重系數獲得的總損失，其中，各所述初始模型各級輸出的損失對應的預設默認權重系數相等；

從多個所述分類模型中選出分類結果最優的第一分類模型；

將所述訓練數據輸入至所述第一分類模型進行訓練，獲得所述第一分類模型各級輸出的損失對應的最優權重系數，將具有所述最優權重系數的第一分類模型作為所述多輸出土地覆蓋分類模型；

其中，所述將所述訓練數據輸入至所述第一分類模型進行訓練，獲得所述第一分類模型各級輸出的損失對應的最優權重系數包括：

基于所述第一分類模型，遍歷所有可能的權重系數組合再次進行訓練，獲得所有權重系數組合對應的訓練好的第一分類模型，其中分類結果最優的第一分類模型所包含的權重系數組合即最優輸出權重系數。

6.如權利要求4所述的多輸出土地覆蓋分類模型的訓練方法，其特征在于，所述將所述訓練數據分別輸入至各所述初始模型中，以對各所述初始模型進行訓練，獲得各所述初始模型對應訓練好的分類模型包括：

獲取多個權重系數組合，將所述訓練數據分別輸入至各所述初始模型中，分別訓練出各所述初始模型下各所述權重系數組合對應的分類模型，將各所述初始模型下分類效果最優的分類模型作為各所述初始模型對應的訓練好的分類模型。