[发明专利]交叉一致性自训练遥感图像语义分割网络训练方法及装置

说明书

本申请公开了一种交叉一致性自训练遥感图像语义分割网络训练方法及装置，涉及遥感图像分割技术领域。具体实现方案为：构建遥感图像语义分割网络，所述遥感语义分割网络为UNet；根据遥感图像样本数据集对所述遥感图像语义分割网络进行训练；将实时拍摄的遥感图像输入训练完成的遥感图像语义分割网络，并输出所述遥感图像的语义分割结果。本申请实施例通过构建遥感图像语义分割网络并根据遥感图像样本数据集训练所述遥感图像语义分割网络，实现了对所述遥感图像进行分割。本申请实施例可以避免遥感图像分割标注耗费大量人力，提高训练的效率，并提高遥感图像分割的准确度。

技术领域

本申请涉及遥感图像分割技术领域，尤其涉及一种交叉一致性自训练遥感图像语义分割网络训练方法及装置。

背景技术

图像分割是指把图像分成各具特征的区域并提取出感兴趣目标的技术和过程，遥感图像是一种常用且典型的彩色图像，受到了广泛关注。利用图像分割技术将遥感图像中的像素标记为一种地物类型，比如建筑、水体、道路、耕地、车辆等等，一直是广大学者的研究热点。传统图像分割方法(如阈值法、k-Means聚类法、区域法、边缘检测法)只关心找到地物的边界轮廓，并不关心地物所属的类别。近年来，得益于深度学习的快速发展与计算机存储与运算力的极大提升，使得基于深度卷积神经网络的语义分割方法成为高分辨率遥感影像分割新的利器。

但是，基于深度卷积神经网络的语义分割可以认为是像素级的分类任务，需要对影像中的地物目标进行密集标注，标注难度更大，有其是对高分辨率遥感影像来说，语义分割数据集的标注需要大量的人工和时间，这给基于深度卷积神经网络的遥感影像语义分割带来极大的困难

发明内容

本申请提供一种交叉一致性自训练遥感图像语义分割网络训练方法及装置。本申请的技术方案如下：

根据本申请实施例的第一方面，提供一种交叉一致性自训练遥感图像语义分割网络训练方法，包括：

构建遥感图像语义分割网络，所述遥感语义分割网络为UNet；

根据遥感图像样本数据集对所述遥感图像语义分割网络进行训练；

将实时拍摄的遥感图像输入训练完成的遥感图像语义分割网络，并输出所述遥感图像的语义分割结果。

可选的，所述根据遥感图像数据集对所述遥感图像语义分割网络进行训练，包括：

获取所述遥感图像样本数据集，所述述遥感图像样本数据集中包含遥感图像；

对所述遥感图像中像素的地物类别进行标记，以生成对应的标签遥感图像；

对所述遥感图像样本数据集进行预处理，以划分得到训练集、验证集和测试集；

构建包括编码器、主解码器与多个辅助解码器的遥感图像语义分割网络；

将所述训练集分为标记样本与无标记样本，并输入所述遥感图像语义分割网络中进行训练。

可选的，所述输入所述遥感图像语义分割网络中进行训练，包括：

确定所述遥感图像语义分割网络训练所用的超参数与损失函数；

优化遥感图像语义分割网络的参数至所述验证集预测结果的预测精度达到预设精度阈值；

将所述测试集输入训练好的遥感图像语义分割网络验证网络分割准确性。

可选的，所述遥感语义分割网络的训练，包括：

将训练集遥感图像分为标记样本与无标记样本，其中，所述标记样本包含遥感图像与对应的标签遥感图像，所述无标记样本只包含遥感图像；

第一训练阶段，将标记样本与无标记样本输入所述遥感语义分割网络的编码器，所述编码器提取的标记样本特征图并输入至主解码器，所得预测结果与标签数据计算监督损失；