[发明专利]遥感影像语义分割模型迁移学习方法、装置及计算机设备

说明书

本发明实施例公开了遥感影像语义分割模型迁移学习方法、装置及计算机设备。所述方法包括：使用公开的精细标注数据集进行遥感影像语义分割模型进行初次训练，以得到第一模型；根据目标数据集情况对所述精细标注数据进行数据增强，以得到增强数据集；使用增强数据集对所述第一模型进行训练，以得到第二模型；对所述目标数据集进行标注，并利用标注的目标数据集对所述第二模型进行微调。通过实施本发明实施例的方法可实现处理已有的公开精细标注数据集，使得遥感影像语义分割模型在目标数据集标注量较少的情况下获得更高的精度。

技术领域

本发明涉及语义分割模型，更具体地说是指遥感影像语义分割模型迁移学习方法、装置及计算机设备。

背景技术

遥感影像是指记录各种地物电磁波大小的胶片或照片，主要分为航空像片和卫星相片。

由于地物类型的多样性和样本标注的高成本，为了快速、大范围的对遥感影像进行语义分割，在实践中往往采用迁移学习的方式实现。过去对于迁移学习方法已有大量研究，针对遥感影像语义分割模型的迁移学习方法的基本流程为：利用与目标数据集相似的数据集，训练模型；按需修改模型，比如增加、删除相关的处理层；在目标数据集上标注部分样本；利用目标数据集上标注的部分样本对训练好的模型进行微调。

由于公开的精细标注遥感数据集较少，通常的目标数据集与精细标注的数据集往往存在较大差异，通常包括分辨率、形变以及色调，因此往往需要对目标数据集进行大量标注，才能使得模型满足当前数据情况。

因此，有必要设计一种新的方法，实现遥感影像语义分割模型在目标数据集标注量较少的情况下获得更高的精度。

发明内容

本发明的目的在于克服现有技术的缺陷，提供遥感影像语义分割模型迁移学习方法、装置及计算机设备。

为实现上述目的，本发明采用以下技术方案：遥感影像语义分割模型迁移学习方法，包括：

使用公开的精细标注数据集进行遥感影像语义分割模型进行初次训练，以得到第一模型；

根据目标数据集情况对所述精细标注数据进行数据增强，以得到增强数据集；

使用增强数据集对所述第一模型进行训练，以得到第二模型；

对所述目标数据集进行标注，并利用标注的目标数据集对所述第二模型进行微调。

其进一步技术方案为：所述根据目标数据集情况对所述精细标注数据进行数据增强，以得到增强数据集，包括：

根据目标数据集情况对所述精细标注数据的分辨率调整，以得到分辨率调整数据；

对所述分辨率调整数据进行形变，以得到形变数据；

对所述形变数据进行色调调整，以得到增强数据集。

其进一步技术方案为：所述根据目标数据集情况对所述精细标注数据的分辨率调整，以得到分辨率调整数据，包括：

按照目标数据集的分辨率对所述精细标注数据集样本进行重采样以及裁剪，以得到分辨率调整数据。

其进一步技术方案为：所述对所述分辨率调整数据进行形变，以得到形变数据，包括：

采用多项式模型方法，对于所述目标数据集，构建真实空间位置与影像空间位置的关系；

将真实空间位置与影像空间位置的关系应用于所述分辨率调整数据，以得到形变数据。

其进一步技术方案为：所述对所述形变数据进行色调调整，以得到增强数据集，包括：

采用直方图匹配方法将所述形变数据的直方图调整至与所述目标数据集的直方图相似，以得到增强数据集。