[發明專利]一種解決遙感影像多分類場景分割算法數據不均衡的方法

在審

• 申請號: 202011011808.1
• 申請日: 2020-09-22
• 公開（公告）號: CN112529033A
• 公開（公告）日: 2021-03-19
• 發明（設計）人: 馮喆;王江安
• 申請（專利權）人: 陜西土豆數據科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明公開了一種解決遙感影像多分類場景分割算法數據不均衡的方法，該方法包括以下步驟：A.將遙感影像與標簽按固定大小切割，輸出樣本數據集；B.遍歷樣本數據，按樣本類別歸類到樣本數據子集中；C.從數據子集中采樣得到batch數據組；D.batch數據組提供給算法訓練；E.重復C、D步驟。本發明通過將遙感影像與標簽按固定大小切割，輸出樣本數據集，然后遍歷樣本數據，按樣本類別歸類到樣本數據子集中，從數據子集中采樣得到batch數據組，batch數據組提供給算法訓練，重復采樣得到batch數據組和算法訓練，解決了實際場景中樣本數據不均衡導致算法失效的問題，而且提高了算法的精準度。

技術領域

本發明屬于深度學習技術技術領域，具體為一種解決遙感影像多分類場景分割算法數據不均衡的方法。

背景技術

遙感影像(簡稱：RS，英文：Remote Sensing Image)是指記錄各種地物電磁波大小的膠片或照片，主要分為航空像片和衛星相片。

用計算機處理的遙感圖像必須是數字圖像。以攝影方式獲取的模擬圖像必須用圖像掃描儀等進行模/數(A/D)轉換；以掃描方式獲取的數字數據必須轉存到一般數字計算機都可以讀出的CCT等通用載體上。計算機圖像處理要在圖像處理系統中進行。圖像處理系統是由硬件(計算機、顯示器、數字化儀、磁帶機等等)和軟件(具有數據輸入，輸出，校正，變換，分類等功能)構成。圖像處理內容主要包括校正、變換和分類。

基于深度學習技術的多分類場景分割算法近來不斷完善，在很多領域得到了廣泛的應用。基于深度學習的多分類場景分割算法的效果與訓練數據樣本的質量密不可分，通常情況下，公開數據集中樣本會得到妥善的篩選處理，多類別數據樣本均衡，因此一般算法并沒有針對不合理的數據樣本做出解決方案。

在實際應用中，遙感影像多類別數據會不可避免地出現類別樣本數量不均衡的狀況，算法難以學習小樣本類別的特征，最終的算法分割效果因此也會異常糟糕。由于樣本分布的不均衡，造成算法只學習到部分樣本的特征，其余類別的準確度都相對很低甚至接近于零。即由于樣本數據不均衡導致算法失效。

針對相關技術中的問題，目前尚未提出有效的解決方案，為此，我們提出一種解決遙感影像多分類場景分割算法數據不均衡的方法。

發明內容

(一)解決的技術問題

針對現有技術的不足，本發明提供一種解決遙感影像多分類場景分割算法數據不均衡的方法，解決了背景技術中提到的問題。

(二)技術方案

為實現上述目的，本發明提供如下技術方案：一種解決遙感影像多分類場景分割算法數據不均衡的方法，該方法包括以下步驟：

A.將遙感影像與標簽按固定大小切割，輸出樣本數據集；

B.遍歷樣本數據，按樣本類別歸類到樣本數據子集中；

C.從數據子集中采樣得到batch數據組；

D.batch數據組提供給算法訓練；

E.重復C、D步驟。

優選的，步驟C具體包括如下：

S1統計各個子集的樣本數量，并得到樣本數量最多的子集的樣本數量x；

S2在單次訓練epoch中，從樣本數量最多的子集中隨機取出第i個非重復樣本；

S3 x除以i取整后分別乘以其余子集的樣本數量得到其余子集的樣本索引，通過樣本索引獲得其余子集中的樣本；

S4將子集采樣到的樣本組合作為一個batch數據提供給算法。