[发明专利]一种基于在线学习的遥感图像辅助处理方法和装置

说明书

本申请实施例公开了一种基于在线学习的遥感图像辅助处理方法和装置，该方法包括：获取待标注的遥感图像数据集，遥感图像数据集包含多个子数据集，每个子数据集包括多个瓦片图像；根据当次的标注任务类型和该遥感图像数据集确定辅助标注算法网络模型和训练算法，对辅助标注算法网络模型初始化；通过辅助标注算法网络模型对每个子数据集标注，在标注完成后利用训练算法对辅助标注算法网络模型进行参数更新，且利用迭代式参数更新后的辅助标注算法网络模型对未标注的子数据集进行处理；获取每个子数据集所对应的标注结果作为遥感图像数据集的图像标注结果。该实施例方案实现了高效地对多类型遥感图像进行辅助标注，从而减少人力成本和时间成本。

技术领域

本文涉及在线遥感图像标注处理技术，尤指一种基于在线学习的遥感图像辅助处理方法和装置。

背景技术

近年来，随着遥感技术发展，遥感图像在数量上和质量上均有显著的提高，这些数据在智慧城市建设、道路规划、灾害预测等方面具有极大的应用价值，为了能够更好的利用遥感数据，通常需要对这些数据进行标注。

目前，遥感图像主流辅助标注方式，往往采用离线模型预测结合人工修正的方式。即首先利用机器学习技术对标注好的样本进行训练，获取模型参数，然后利用训练好的离线模型对待标注图像进行测试，最终由人工修正获得结果。

这种方式存在以下问题：

1、遥感成像时遥感器千差万别，不同的遥感器成像数据具有不同分布，用于训练模型的数据往往由某种固定的遥感器成像数据组成，最终得到的网络算法模型也只能在与训练数据具有独立同分布的图像上测试，这极大的限制了算法对大批量、多类型的遥感数据的辅助标注作用。

2、模型更新较慢，为了获取一个有效的模型，往往需要输入大量的前期标注数据，从人工数据标注到模型训练阶段需要消耗较长时间。

发明内容

本申请实施例提供了一种基于在线学习的遥感图像辅助处理方法和装置，能够高效地对多类型遥感图像进行辅助标注，从而减少人力成本和时间成本。

本申请实施例提供了一种基于在线学习的遥感图像辅助处理方法，可以包括：

获取待标注的遥感图像数据集，所述遥感图像数据集包含多个子数据集，每个所述子数据集中包括多个瓦片图像；

获取当次标注任务的标注任务类型，并根据所述标注任务类型和所述待标注的遥感图像数据集确定辅助标注算法网络模型和预设的训练算法，且对所述辅助标注算法网络模型进行初始化；

通过所述辅助标注算法网络模型对每个所述子数据集进行处理输出标注结果，并在每个所述子数据集处理完后利用所述训练算法对所述辅助标注算法网络模型进行参数更新，以实现对所述辅助标注算法网络模型的迭代式参数更新，且利用迭代式参数更新后的辅助标注算法网络模型对未标注的子数据集进行处理；

获取每个所述子数据集所对应的标注结果，作为所述遥感图像数据集的图像标注结果。

在本申请的示例性实施例中，所述遥感图像数据集可以包括：第一任务数据集；所述子数据集可以包括：一级子任务数据集；

所述获取待标注的遥感图像数据集，可以包括：

获取待标注的第一任务数据集，并根据第一预设规则将所述待标注的第一任务数据集划分为多个一级子任务数据集，所述待标注的第一任务数据集包括多个瓦片图像。

在本申请的示例性实施例中，所述获取待标注的第一任务数据集，可以包括：

获取待标注的图像数据集P，并根据所述图像数据集P中瓦片图像的数据信息将所述待标注的图像数据集P拆分为多个第一任务数据集，所述数据信息包括采集图像的设备类型。