摘要
本发明公开一种基于双重学习机制的弱标注遥感影像语义分割方法,属于遥感影像处理领域。实施过程包括:1)利用标注数量和精度均有限的弱标注遥感影像数据集完成半监督分类网络训练,并生成像素级伪分割掩膜;2)设计掩膜扰动机制引导的数据集重划分策略,将训练数据集重新划分为有标注和无标注两个子集;3)利用重划分数据集训练半监督语义分割网络;4)提出动态阈值策略用于半监督语义分割网络训练,降低伪标签的置信偏差;5)在测试阶段,使用语义分割网络输出待测试遥感影像的分割结果;本发明所提方法能够有效利用大量无标注样本中丰富的地物语义信息,在比传统弱标注更低的标注成本条件下实现遥感影像多类别地物目标的准确、高效分割。
技术关键词
语义分割网络
遥感影像数据
半监督学习
分类卷积神经网络
掩膜
像素
分类网络
半监督分类
样本
无监督
标签
机制
图像
策略
动态
系统为您推荐了相关专利信息
医学影像数据
图像编码
适配器
上下文特征
图像嵌入
交通标志图像
交通标志检测方法
半监督学习
无监督
教师
包裹相位
相位展开方法
仿真数据
卷积神经网络模型
相位展开算法
光学相干断层扫描
血管分割
标注方法
图像灰度值
掩膜