[发明专利]McNet分割网络架构方法

说明书

本发明公开了McNet分割网络架构方法。本发明中，McNet分割网络以ImageNet数据集上预训练好的ResNeSt作为网络的encoder，极大地提高了网络特征的提取性能；在中心部分插入ASSP式dilated‑convolution层，使得网络层次接收域更大且同时融合多尺度信息；decoder部分将不同scale的feature map相加融合作为最后的特征图，使得整个网络更加适应卫星遥感图像多尺度变化的特性；McNet地块分割应用可准确、有效地应用于田间地块管理和规划；McNet毒草监测应用为下一步精准打药根除毒草奠定重要的基础；McNet水稻倒伏分割应用可被应用于评估水稻倒伏受损情况。

技术领域

本发明属于架构方法技术领域，具体为McNet分割网络架构方法。

背景技术

随着计算机等技术的不断发展，计算机视觉技术被广泛运用到各个领域中。与此同时，随着人口数量的增长、城市化进程导致耕地面积的减少，农业向着高质量、高产量方向的发展成为关键。将计算机视觉技术应用在农业领域能够有效地监管土地使用情况，在一定程度上降低虫害等对农业的影响，协助人力进行定损勘察，推进农业向着高质量、高产量的方向不断发展。

由此本方法设计出高效且实时的深度分割网络McNet应用于农业领域。McNet可有效的被应用于地块分割、毒草监测、倒伏定损等农业场景任务。

发明内容

本发明的目的在于：为了解决上述提出的问题，提供McNet分割网络架构方法。

本发明采用的技术方案如下：McNet分割网络架构方法，所述McNet分割网络架构方法包括以下步骤：

S1:数据收集装置开始工作，对各项数据进行收集整理，并通过信息输入端输入到ImageNet数据集上；

S2:McNet分割网络以ImageNet数据集上预训练好的ResNeSt作为网络的encoder，极大地提高了网络特征的提取性能；

S3:在中心部分插入ASSP式dilated-convolution层，使得网络层次接收域更大且同时融合多尺度信息；

S4:网络层次接收域开始对整理接收到的融合多尺度信息进行分门别类的收集整理，

S5:decoder部分将不同scale的feature map相加融合作为最后的特征图，使得整个网络更加适应卫星遥感图像多尺度变化的特性

在一优选的实施方式中，所述步骤S1中的ImageNet数据集就像一个网络一样，拥有多个节点；每一个节点相当于一个item或者subcategory；据官网消息，一个节点含有至少500个对应物体的可供训练的图片/图像；ImageNet对其注释过程进行了众包；图像级注释表示图像中存在或不存在对象类，例如“此图像中有物体”或“此图像中没有物体”；对象级注释提供了指定对象(的可见部分)周围的边界框；ImageNet使用广泛的WordNet架构的变体来对对象进行分类，增加了120种类别的扫描物体品种以展示细粒度的分类；WordNet使用的一个缺点是这些类别可能比ImageNet最适合的“提升”。