基于动态置信度与高斯聚类筛选的遥感图像标注优化方法

本发明具体涉及基于动态置信度与高斯聚类筛选的遥感图像标注优化方法，包括：读取输入的图像数据，将图像数据分别生成强增强图像和弱增强图像；构建预训练的分类网络，将强增强图像和弱增强图像输入预训练的分类网络进行预训练，初步学习图像信息并构建动态置信度阈值；正式训练阶段，根据动态置信度阈值和高斯聚类筛选将样本划分为干净集、疑似集、困难集和噪声集；针对不同样本集采用差异化的正则化策略进行模型训练；更新动态置信度阈值并重复迭代训练；测试阶段，将测试集输入训练好的分类网络输出标注结果。本发明解决了噪声样本提取困难的问题，能够更加精细的对噪声样本进行分段处理，降低噪声样本对模型的误导，从而达到更优的标注结果。