[發明專利]基于雙原型網絡的遙感圖像小樣本場景分類方法

有效

• 申請號: 202111495585.5
• 申請日: 2021-12-08
• 公開（公告）號: CN114169442B
• 公開（公告）日: 2022-12-09
• 發明（設計）人: 高峰;武曉博;張萌月;陳金勇;王港;程塨;蔡黎明
• 申請（專利權）人: 中國電子科技集團公司第五十四研究所;西北工業大學
• 主分類號: G06V10/764
• 分類號: G06V10/764;G06V10/774;G06V10/46;G06V10/82;G06N3/04;G06N3/08
• 代理公司: 河北東尚律師事務所 13124
• 代理人: 王文慶;曲佳穎

1.一種基于雙原型網絡的遙感圖像小樣本場景分類方法，其特征在于，包括如下步驟：

(1)準備數據：將遙感圖像數據集劃分為基類數據集和新類數據集，并進行數據預處理，將預處理后的基類數據集圖像劃分為支持集和查詢集；

(2)特征提取：按任務從基類數據集中隨機選取支持集樣本和查詢集樣本，分別送入ResNet-18網絡進行特征的提取，分別得到支持樣本特征和查詢樣本特征，并且采用全局平均池化操作，將特征映射到n×1×1的維度空間中；其中，n表示通道數；

(3)根據支持樣本和查詢樣本分別計算原始原型和查詢原型，基于原始原型和查詢樣本特征計算原始損失，基于原始原型和支持樣本特征計算自校準損失，基于原始原型和查詢原型計算互校準損失，并進行加權得到總體損失值，根據總體損失值調整ResNet-18網絡參數，返回步驟(2)，直至損失函數收斂；

(4)利用新類數據集中有標簽樣本對訓練后的ResNet-18網絡進行優化，然后基于優化后的ResNet-18網絡提取遙感圖像的特征，采用余弦度量與softmax分類器相結合的方式進行遙感圖像分類。

2.根據權利要求1所述的基于雙原型網絡的遙感圖像小樣本場景分類方法，其特征在于，所述步驟(1)中將遙感圖像數據集劃分為基類數據集和新類數據集，包括以下過程：

將遙感圖像數據集D劃分為基類數據集D_base和新類數據集D_novel，基類數據集D_base和新類數據集D_novel中的類別不存在重合；基類數據集D_base中的圖像均帶有標簽，用來訓練網絡；新類數據集D_novel中每個類別僅有k張有標簽圖像，用來調整ResNet-18網絡，其余無標簽圖像均用來測試網絡性能；其中k為設定值。

3.根據權利要求1所述的基于雙原型網絡的遙感圖像小樣本場景分類方法，其特征在于，所述步驟(3)中計算支持樣本特征和查詢樣本特征的原始損失、自校準損失和互校準損失，并進行加權得到總體損失值，具體過程包括：

計算原始損失L_ori：首先計算每個類別c的原始原型P_c：其中，x_i為支持集S中的RGB圖像，f_θ(·)表示ResNet-18網絡，S_c表示支持集中類別c的所有樣本組成的子集，K表示S_c中的樣本數量；然后，利用原始原型P_c與查詢樣本特征f_θ(q_i)進行余弦度量d(·)來獲得查詢樣本q_i屬于某個類別c的概率進而使用交叉熵損失計算得到原始損失L_ori：

其中，c代表查詢樣本q_i對應的標簽，N_q表示每個任務中查詢樣本的數量，β為縮放因子；C為每個任務中支持集的目標類別數量，c′為每個任務的支持集中任意一類目標標簽；

計算自校準損失L_self：利用原始原型P_c與支持樣本特征f_θ(x_i)進行余弦度量d(·)來獲得支持樣本x_i屬于某個類別c的概率通過原始原型與支持樣本特征之間的度量來進行預測的損失為自校準損失，計算方法如下：

計算互校準損失L_inter：由查詢樣本生成查詢原型，利用查詢原型與支持樣本特征f_θ(x_i)進行余弦度量d(·)來獲得支持樣本x_i屬于某個類別c的概率并與原始原型進行互校準，計算出互校準損失L_inter：

其中，表示c類的查詢原型，表示查詢集Q中屬于c類的樣本的數量，代表查詢集中c類的樣本；

計算總體損失：L＝L_ori+λ₁L_self+λ₂L_inter；其中，λ₁和λ₂分別代表自校準損失和互校準損失占的權重。