[發明專利]自適應網絡遙感圖像分類方法、計算機設備及存儲介質

有效

• 申請號: 202110971318.4
• 申請日: 2021-08-24
• 公開（公告）號: CN113420738B
• 公開（公告）日: 2021-11-09
• 發明（設計）人: 唐廠;李顯巨;孫琨;王力哲
• 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
• 代理公司: 北京隆源天恒知識產權代理有限公司 11473
• 代理人: 戴棋欽

1.一種自適應網絡遙感圖像分類方法，其特征在于，自適應判別性區域學習網絡包括特征提取網絡、區域生成器、判別器和打分器，所述自適應網絡遙感圖像分類方法包括：

獲取訓練圖像；

通過所述區域生成器處理所述訓練圖像，選擇所述訓練圖像中至少一個圖像子塊作為訓練目標區域，提取每個所述訓練目標區域的信息度，根據所述信息度篩選所述訓練目標區域，獲得至少一個訓練優選區域，使用所述特征提取網絡提取所述訓練優選區域的訓練區域特征及所述訓練圖像中的訓練全局特征；

對每個所述訓練區域特征及所述訓練全局特征進行自身適應性加權卷積變換和組合，獲得融合特征；

通過所述判別器計算所述訓練優選區域的置信度，對所述信息度和所述置信度進行從高到低的排序并篩選信息度符合預設條件的所述訓練優選區域作為訓練判別性區域；

通過所述打分器對所述融合特征進行打分；

計算網絡損失，所述網絡損失包括區域生成損失、判別損失和分數損失，基于所述網絡損失反向傳播優化網絡，其中，基于所述信息度構建所述區域生成損失、基于所述置信度構建所述判別損失、基于分類結果構建打分損失；

獲取待檢測圖像；

將所述待檢測圖像輸入至訓練好的所述區域生成器，由所述區域生成器提取所述待檢測圖像中至少一個圖像子區域作為目標區域，提取每個所述目標區域的信息度并根據所述信息度篩選所述目標區域，獲得至少一個判別性區域；

使用所述特征提取網絡提取所述判別性區域的區域特征及所述待檢測圖像的全局特征，并對每個所述區域特征和所述全局特征進行自身適應性加權卷積變換，獲得各所述區域特征以及所述全局特征對應的第一變換特征，組合所有所述第一變換特征，獲得第二變換特征，所述自身適應性加權卷積變換包括使用不同的權重，對每個特征進行分別卷積操作，并對每個卷積結果加入對應的偏置項；

將所述第二變換特征輸入至訓練好的所述打分器，獲得分類結果。

2.根據權利要求1所述的自適應網絡遙感圖像分類方法，其特征在于，所述通過所述判別器計算所述訓練優選區域的置信度，對所述信息度和所述置信度進行從高到低的排序并篩選信息度符合預設條件的所述訓練優選區域作為訓練判別性區域包括：

使用成對的排序損失函數優化構建所述訓練優選區域的約束，其中，所述成對的排序損失函數的構建包括：根據所述訓練優選區域的信息度排序所述訓練優選區域并編號；建立以所述編號為自變量，以所述信息度為因變量的非遞增函數作為第一損失函數；

判斷以所述編號為自變量、置信度為因變量的第二損失函數是否與所述第一損失函數單調性一致；

若否，則重新從所述訓練目標區域獲取所述訓練優選區域。

3.根據權利要求1所述的自適應網絡遙感圖像分類方法，其特征在于，所述計算網絡損失，所述網絡損失包括區域生成損失、判別損失和分數損失，基于所述網絡損失反向傳播優化網絡包括：

將所述區域生成損失、所述判別損失和所述分數損失加權獲得所述網絡損失；

將所述網絡損失進行反向傳播，優化所述特征提取網絡、所述區域生成器、所述判別器和所述打分器。

4.根據權利要求3所述的自適應網絡遙感圖像分類方法，其特征在于，所述計算網絡損失，所述網絡損失包括區域生成損失、判別損失和分數損失，基于所述網絡損失反向傳播優化網絡還包括：

通過鉸鏈損失函數構建所述區域生成損失、通過交叉熵損失函數構建所述判別損失和所述分數損失。

5.根據權利要求1所述的自適應網絡遙感圖像分類方法，其特征在于，所述提取每個所述目標區域的信息度并根據所述信息度篩選所述目標區域，獲得至少一個判別性區域包括：

提取每個所述目標區域的信息度；

基于所述信息度，使用非極大值抑制篩選所述目標區域，獲得優選區域；

將所述優選區域依據信息度從大到小排序，選擇預設個數的所述優選區域作為所述判別性區域。