[發明專利]基于變換一致性正則化的遙感影像半監督語義分割方法

有效

• 申請號: 202110678330.6
• 申請日: 2021-06-18
• 公開（公告）號: CN113378736B
• 公開（公告）日: 2022-08-05
• 發明（設計）人: 張永軍;張斌;萬一
• 申請（專利權）人: 武漢大學
• 主分類號: G06V20/10
• 分類號: G06V20/10;G06V10/26;G06V10/764;G06V10/82;G06N3/08
• 代理公司: 武漢科皓知識產權代理事務所(特殊普通合伙) 42222
• 代理人: 王琪

1.基于變換一致性正則化的遙感影像半監督語義分割方法，其特征在于，包括以下步驟：

步驟1：首先將遙感影像數據集分為標注樣本和無標注樣本其中表示標注的影像，表示標注影像對應的標簽，N_L表示標注影像的數量，表示無標注的影像，N_U表示無標注影像的數量；

步驟2：在訓練階段，構建學生網絡S和教師網絡T，其參數表示為θ_s和θ_t；

步驟3：分別從標注樣本和無標注樣本中隨機挑選出m個樣本數據；

步驟4：將挑選出標注樣本輸入到學生網絡中，計算監督部分的損失

步驟5：通過梯度下降算法進行反向傳播并更新學生網絡的參數θ_s；

步驟6：選擇一個隨機變換作為擾動；

步驟7：使用隨機變換對步驟3中挑選出的無標注樣本進行處理，得到擾動后的無標注樣本

步驟8：將擾動后的無標注樣本輸入到學生網絡中，得到輸出的特征圖

步驟9：將步驟3中挑選出的無標注樣本輸入到教師網絡中，得到輸出的特征圖再利用隨機變換對特征圖執行相同變換，得到另外一個特征圖

步驟10：根據兩個輸出的特征圖和計算一致性正則化損失

步驟11：通過梯度下降算法進行反向傳播并更新學生網絡的參數θ_s；

步驟12：利用學生網絡的參數更新教師網絡的參數；

步驟13：步驟3至12，反復迭代，直到訓練結束；

步驟14：在測試階段，設置一個窗口在影像上滑動，將每個窗口的影像塊輸入到網絡中得到每個窗口的預測結果，最后得到遙感影像的分割結果。

2.根據權利要求1所述的基于變換一致性正則化的遙感影像半監督語義分割方法，其特征在于：步驟4中監督部分的損失定義為逐像素的交叉熵作為損失函數；

其中，表示交叉熵損失函數，h和w表示圖像的高和寬，c表示類別個數，x^L表示標注樣本，表示將標注樣本輸入到學生網絡得到的特征圖，y^L表示樣本對應的真實標簽。

3.根據權利要求1所述的基于變換一致性正則化的遙感影像半監督語義分割方法，其特征在于：步驟6中隨機變換使用仿射變換或grid shuffle或cutmix變換；其中仿射變換在圖像長和寬[-0.2，0.2]范圍內隨機平移，[0.5，1.5]范圍內隨機縮放，[-180°，180°]范圍內隨機旋轉，grid shuffle變換使用了3×3的網格。

4.根據權利要求1所述的基于變換一致性正則化的遙感影像半監督語義分割方法，其特征在于：步驟10中無監督部分的一致性正則化損失將均方誤差作為損失：

其中，x^U表示無標注樣本，表示隨機變換，θ_s和θ_t分別表示學生網絡和教師網絡的參數，和分別表示學生網絡模型和教師網絡模型，d(·，·)表示均方誤差函數。

5.根據權利要求1所述的基于變換一致性正則化的遙感影像半監督語義分割方法，其特征在于：步驟12中，采用指數移動平均法更新教師網絡的參數：

θ′_t＝α_EMAθ_t+(1-α_EMA)θ_s (3)

其中，α_EMA表示指數移動平均法中平滑系數，θ′_t表示教師網絡更新后的參數。