[发明专利]一种基于CutMix-ResNet的半监督建筑物变化检测方法及系统

权利要求书

1.一种基于CutMix-ResNet的半监督建筑物变化检测方法，其特征在于，包括以下步骤：

S1、通过遥感卫星对同一地段的不同时相，采集三通道RGB遥感数据，对三通道RGB遥感数据每个通道进行数据归一化预处理，得到遥感双时像数据；

S2、将步骤S1得到的遥感双时像数据划分为有标签训练数据集x_train和有标签验证数据集x_val；

S3、将步骤S1得到的遥感双时像数据进行CutMix操作，得到增强数据，构建基于CutMix-ResNet的半监督建筑物变化检测区域级老师模型M_RL和样本级老师模型M_SL；

S4、集成步骤S3得到的区域级老师模型M_RL和样本级老师模型M_SL，以及步骤S2预先标注好的有标签样本x_train共同训练学生模型M_S，再将步骤S2划分的有标签验证数据集x_val输入训练好的学生模型M_S中，实现基于ResNet师生网络的变化检测。

2.根据权利要求1所述的基于CutMix-ResNet的半监督建筑物变化检测方法，其特征在于，步骤S3具体为：

S301、将两个时相的数据x^t1和x^t2进行CutMix操作，得到增强数据x^t1cut和x^t2cut，增强数据x^t1cut和x^t2cut统称为x^rl和y^rl；

S302、搭建残差块的基本结构，通过shortcut connection操作连接浅层和深层信息，使最开始的输入和经过卷积网络处理的结果直接相加，对相加的结果再使用层标准化处理，构成残差块的基本结构；

S303、搭建残差块，具体为第一卷积层，第一标准化层，激活层，第二卷积层，第二标准化层和第一卷积层的shortcut connection；

S304、搭建残差块之间连接的激活层，采用softmax作为激活函数，加入非线性因素；

S305、重复步骤S303～S304的工作N次，完成单个Encoder处理数据的流程，将步骤S303搭建的残差块和激活层连接得到单个Encoder模块，再将多个Encoder模块连接得到多个Encoder网络，作为网络的解码器；

S306、搭建用于分类的残差神经网络，在平均池化层之后使用全连接层修改步骤S205网络的解码器中最后一个Encoder的输出维度为伪label；

S307、对步骤S306处理后的自监督损失项的结果采用二分类交叉熵损失函数计算交叉熵损失，优化残差神经网络；

S308、采用步骤S306搭建好的残差神经网络，输入数据为x^rl和y^rl，搭建区域级老师模型M_RL；

S309、采用步骤S306搭建好的残差神经网络，输入数据为x^sl和y^sl，搭建样本级老师模型M_SL；

S310、将步骤S301中CutMix增强的数据x^rl和y^rl输入步骤S308搭建的区域级老师模型M_RL计算交叉伪监督损失L_cps1；

S311、将原始数据x^sl和y^sl输入步骤S309搭建的区域级老师模型M_SL计算交叉伪监督损失L_cps2；

S312、选择Adam优化方法，每完成一个批次训练验证一次，保存训练过程的交叉熵损失、训练准确率、验证交叉熵损失、验证准确率。