[发明专利]基于改进HRNetV2网络的港口矿堆分割方法

权利要求书

1.基于改进HRNetV2网络的港口矿堆分割方法，其特征是：该分割方法由以下步骤实现：

步骤一、获取基于高分辨率光学遥感影像的港口矿堆语义分割数据集图像；具体过程为：

步骤一一、选取不同地区矿堆影像作为港口矿堆语义分割的图像，包括不同形状、颜色、大小以及堆放方式的港口矿堆；

步骤一二、将步骤一一选取的图像采用深度学习标注工具进行人工标注，生成标签图像形式的分割标注结果；

步骤一三、将步骤一一选取的图像采用线性拉伸和单通道自动色彩增强算法进行数据集扩充，获得扩充后的图像，并同时复制步骤一二中生成的标签图像，使扩充后的图像与标签图像一一对应；

步骤一四、将步骤一三中获取的扩充后的图像与标签图像中对应标签进行切割，切割成512×512的图像，对于切割后大小不足512×512的部分，使用0值填充到512×512，将切割后的图像划分为80％的训练集和10％的验证集和10％的测试集，对于切割生成的训练集、验证集、测试集中的每一张图像，都有一张标签图像与其对应；

步骤二、对HRNetV2网络的上采样过程进行改进，具体过程为：

步骤二一、将HRNetV2网络中用于语义分割部分的连接上采样进行改进，取所有HRNetV2输出层特征图的通道数，找到最大通道数，设为c，将所有输出特征图的通道数通过1×1卷积均调整为c；

步骤二二、将所有调整后的特征图进行相加操作，然后使用1×1卷积将输出通道数调整为2c；

步骤三、采用步骤一四划分的训练集对步骤二改进的HRNetV2网络进行训练；

步骤三一、对数据集进行训练时，设定初始学习速率learning_rate＝0.001，批尺寸batch_size＝2，训练迭代次数epochs＝100，分割类别n_classes＝2；

步骤三二、训练后模型每次迭代后进行保存，并在验证集上记录交并比mIoU最高的模型参数，IoU定义如下：

式中，IoU为交并比mIoU的均值，P_gt为真实标签图像的像素集合，P_pred表示预测标签图像的像素集合，∩、∪、|·|分别表示交集操作、并集操作和取像素数量操作；

步骤四、采用训练后的改进HRNetV2网络对测试集数据进行图像语义分割；具体为：

步骤四一、使用步骤三二记录的模型参数对每一张测试集图像进行语义分割，获得512×512的灰度图像，灰度值范围为[0,n_classes)；

步骤四二、将步骤四一中测试集图像进行分割的结果与对应真实标签图像进行对比，计算mIOU，实现港口矿堆的分割。