[發(fā)明專利]基于自監(jiān)督對(duì)比學(xué)習(xí)的遙感圖像語義分割方法有效
| 申請(qǐng)?zhí)枺?/td> | 202110285256.1 | 申請(qǐng)日: | 2021-03-17 |
| 公開(公告)號(hào): | CN113011427B | 公開(公告)日: | 2022-06-21 |
| 發(fā)明(設(shè)計(jì))人: | 李海峰;李益;李朋龍;丁憶;馬澤忠;張澤烈;胡艷;肖禾;陶超 | 申請(qǐng)(專利權(quán))人: | 中南大學(xué);重慶市地理信息和遙感應(yīng)用中心 |
| 主分類號(hào): | G06V10/26 | 分類號(hào): | G06V10/26;G06V10/44;G06V10/75;G06V10/774;G06V10/82;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司: | 長沙大珂知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 43236 | 代理人: | 王瓊琦 |
| 地址: | 410083 湖南*** | 國省代碼: | 湖南;43 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 基于 監(jiān)督 對(duì)比 學(xué)習(xí) 遙感 圖像 語義 分割 方法 | ||
1.基于自監(jiān)督對(duì)比學(xué)習(xí)的遙感圖像語義分割方法,其特征在于,包括以下步驟:
步驟1,構(gòu)建Deeplab v3+網(wǎng)絡(luò)模型;
步驟2,采用無標(biāo)注數(shù)據(jù)對(duì)所述網(wǎng)絡(luò)模型的編碼器進(jìn)行預(yù)訓(xùn)練;
步驟3,預(yù)訓(xùn)練完成后,在標(biāo)注樣本上對(duì)所述網(wǎng)絡(luò)模型進(jìn)行有監(jiān)督語義分割訓(xùn)練;
步驟4,采用有監(jiān)督語義分割訓(xùn)練完成的網(wǎng)絡(luò)模型對(duì)遙感圖像進(jìn)行語義分割;
其中在預(yù)訓(xùn)練的過程中,采用全局風(fēng)格對(duì)比和局部匹配對(duì)比結(jié)合的方式進(jìn)行對(duì)比學(xué)習(xí),包括以下步驟:
步驟201,對(duì)所述的無標(biāo)注數(shù)據(jù)進(jìn)行隨機(jī)數(shù)據(jù)變換,對(duì)于給定樣本xi進(jìn)行隨機(jī)數(shù)據(jù)變換t′(xi)和t″(xi),從而產(chǎn)生兩個(gè)相關(guān)實(shí)例x′i和x″i,視為正樣本對(duì),t′表示進(jìn)行隨機(jī)裁剪縮放,t″表示依次進(jìn)行隨機(jī)裁剪縮放,隨機(jī)翻轉(zhuǎn),隨機(jī)旋轉(zhuǎn),隨機(jī)顏色失真和隨機(jī)高斯模糊;
步驟202,利用Deeplab v3+網(wǎng)絡(luò)模型中的編碼器e(·)從變換后的樣本實(shí)例中進(jìn)行全局風(fēng)格特征的特征圖提取:stylefi′=stylef(x′i)=cat(μ(e(x′i)),σ(e(x′i)),其中,stylefi′表示全局風(fēng)格特征,μ代表對(duì)特征圖中每一個(gè)通道求均值,即全局平均池化,σ代表對(duì)每一個(gè)通道求方差,cat代表通道拼接;
步驟203,采用投影頭projection head對(duì)全局風(fēng)格特征進(jìn)行處理,所述投影頭g(·)為具有一個(gè)隱含層的多層感知機(jī):
zi′=g(stylefi′)=W(2)r(W(1)stylefi′)
其中,W(2)表示第二個(gè)全連接層、W(1)表示第一個(gè)全連接層、r表示Relu激活函數(shù),zi′表示所述投影頭g(·)處理后的全局風(fēng)格特征;
步驟204,利用Deeplab v3+網(wǎng)絡(luò)模型的編碼器e(·)和解碼器d(·)從變換后的樣本實(shí)例x′i和x″i中提取特征向量d(e(x′i))和d(e(x″i)),根據(jù)選擇和匹配局部區(qū)域的思想,從d(e(x′i))和d(e(x″i))獲取多個(gè)相匹配局部所對(duì)應(yīng)的特征,p′j和p″j是相匹配局部所對(duì)應(yīng)特征圖,然后對(duì)特征圖進(jìn)行全局平均池化獲取局部特征向量,即:
fL(p′j)=μ(p′j)
其中,fL(p′j)為局部特征向量;
步驟205,采用投影頭projection head gL(·)對(duì)局部特征向量進(jìn)行處理,所述投影頭gL(·)為具有一個(gè)隱含層的多層感知機(jī):
u′j=gL(fL(p′j))=W(4)r(W(3)fL(p′j))
其中,W(4)表示第四個(gè)全連接層、W(3)表示第三個(gè)全連接層,uj表示所述投影頭gL(·)處理后的局部匹配特征;
步驟206,使用整體損失函數(shù)訓(xùn)練編碼器,整體損失函數(shù)由全局風(fēng)格對(duì)比損失和局部匹配對(duì)比損失構(gòu)成:
L=(1-λ)lG+λ·lL
其中,λ為可調(diào)權(quán)重參數(shù),lG表示全局風(fēng)格對(duì)比損失,lL表示局部匹配對(duì)比損失。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于中南大學(xué);重慶市地理信息和遙感應(yīng)用中心,未經(jīng)中南大學(xué);重慶市地理信息和遙感應(yīng)用中心許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請(qǐng)聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202110285256.1/1.html,轉(zhuǎn)載請(qǐng)聲明來源鉆瓜專利網(wǎng)。
- 在即時(shí)通信中提供即時(shí)監(jiān)督功能的方法及系統(tǒng)
- 一種監(jiān)督事件的生成裝置
- 一種資產(chǎn)托管監(jiān)督任務(wù)的處理方法及裝置
- 一種監(jiān)督方法及裝置
- 基于自監(jiān)督學(xué)習(xí)的標(biāo)簽比例學(xué)習(xí)模型的訓(xùn)練方法和設(shè)備
- 一種衛(wèi)生監(jiān)督對(duì)象尋址方法、電子設(shè)備及存儲(chǔ)介質(zhì)
- 一種機(jī)器人表情調(diào)用方法和家用機(jī)器人
- 計(jì)算機(jī)視覺訓(xùn)練系統(tǒng)和用于訓(xùn)練計(jì)算機(jī)視覺系統(tǒng)的方法
- 一種基于廠區(qū)智能管理系統(tǒng)的工廠設(shè)備監(jiān)督系統(tǒng)
- 信息化綜合監(jiān)督系統(tǒng)及方法
- 根據(jù)用戶學(xué)習(xí)效果動(dòng)態(tài)變化下載學(xué)習(xí)數(shù)據(jù)的系統(tǒng)及方法
- 用于智能個(gè)人化學(xué)習(xí)服務(wù)的方法
- 漸進(jìn)式學(xué)習(xí)管理方法及漸進(jìn)式學(xué)習(xí)系統(tǒng)
- 輔助學(xué)習(xí)的方法及裝置
- 基于人工智能的課程推薦方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)
- 基于強(qiáng)化學(xué)習(xí)的自適應(yīng)移動(dòng)學(xué)習(xí)路徑生成方法
- 一種線上視頻學(xué)習(xí)系統(tǒng)
- 一種基于校園大數(shù)據(jù)的自適應(yīng)學(xué)習(xí)方法、裝置及設(shè)備
- 一種學(xué)習(xí)方案推薦方法、裝置、設(shè)備和存儲(chǔ)介質(zhì)
- 游戲?qū)W習(xí)效果評(píng)測方法及系統(tǒng)





