一种基于迁移学习的水体分割优化方法

本发明公开了一种基于迁移学习的水体分割优化方法，包括：采集可见光遥感水体图像数据，对图像数据进行预处理；计算归一化水体指数NDWI，生成对应的掩码图；根据初始数据集的特征和任务需求，选择预训练模型，并利用预训练模型设计适用于迁移学习的U‑Net模型架构；将初始数据集划分为训练集和验证集，并对训练集进行数据增强；利用增强后的训练集对U‑Net模型进行训练，采用梯度下降法并结合三种迁移学习方法对U‑Net模型进行优化；在独立的验证集上分别评估三种调整模型性能；将验证集中的原始图像数据输入调整后的神经网络模型中，得到水体预测优化后的分割图片。本发明的方法减少了对数据样本量需求，提升了模型训练的效率。