[发明专利]基于类别自适应伪标签生成的河湖四乱遥感监测方法

权利要求书

1.一种基于类别自适应伪标签生成的河湖四乱遥感监测方法，其特征在于：

包括以下过程：

获取待处理的遥感图像；

对遥感图像进行预处理；

根据预处理后的遥感图像和预设学生模型，得到河湖四乱监测结果；

其中，预设学生模型的生成，包括：

将不带标签的遥感图像输入到预设教师模型中，得到伪标签，基于类别自适应阈值进行伪标签的筛选，将筛选后的伪标签和现有标签混合，得到新的训练集；

构建一个与教师模型相同的学生模型，将学生模型中的参数随机初始化，通过知识蒸馏获取教师模型中已经学到的知识；

根据新的训练集进行学生模型的训练，得到最终的预设学生模型。

2.如权利要求1所述的基于类别自适应伪标签生成的河湖四乱遥感监测方法，其特征在于：

教师模型和学生模型均包括特征提取网络和分类器。

3.如权利要求2所述的基于类别自适应伪标签生成的河湖四乱遥感监测方法，其特征在于：

特征提取网络采用ResNet-50，包括一个7*7卷积层、一个3*3的最大值池化层和三个卷积组，第一卷积组内包括三个瓶颈卷积模块，第二卷积组内包括四个瓶颈卷积模块，第三卷积组内包括六个瓶颈卷积模块。

4.如权利要求2所述的基于类别自适应伪标签生成的河湖四乱遥感监测方法，其特征在于：

分类器包括一个3*3卷积、一个上采样层、交叉熵损失函数和KL散度损失函数。

5.如权利要求1所述的基于类别自适应伪标签生成的河湖四乱遥感监测方法，其特征在于：

基于类别自适应阈值进行伪标签的筛选，包括：

求最后一个epoch各类别损失的平均值；

设置初始化阈值，则自适应因子为初始化阈值与各类别损失平均值的比值；

某一类别自适应阈值为自适应因子与此类别自适应因子的乘积；

利用得到的各类别自适应阈值对伪标签进行筛选，去除伪标签中置信度小于自适应阈值的像素。

6.如权利要求1所述的基于类别自适应伪标签生成的河湖四乱遥感监测方法，其特征在于：

将伪标签和现有标签混合，并打乱顺序，进行与原训练集相同的预处理，生成新的训练集。

7.如权利要求1所述的基于类别自适应伪标签生成的河湖四乱遥感监测方法，其特征在于：

河湖四乱监测结果至少包括背景、房子、棚子、坑塘和采砂场。

8.一种基于类别自适应伪标签生成的河湖四乱遥感监测系统，其特征在于：

包括：

数据获取模块，被配置为：获取待处理的遥感图像；

预处理模块，被配置为：对遥感图像进行预处理；

四乱监测模块，被配置为：根据预处理后的遥感图像和预设学生模型，得到河湖四乱监测结果；

其中，预设学生模型的生成，包括：

将不带标签的遥感图像输入到预设教师模型中，得到伪标签，基于类别自适应阈值进行伪标签的筛选，将筛选后的伪标签和现有标签混合，得到新的训练集；

构建一个与教师模型相同的学生模型，将学生模型中的参数随机初始化，通过知识蒸馏获取教师模型中已经学到的知识；

根据新的训练集进行学生模型的训练，得到最终的预设学生模型。

9.一种计算机可读存储介质，其上存储有程序，其特征在于，该程序被处理器执行时实现如权利要求1-7任一项所述的基于类别自适应伪标签生成的河湖四乱遥感监测方法中的步骤。

10.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7任一项所述的基于类别自适应伪标签生成的河湖四乱遥感监测方法中的步骤。