摘要
本发明提供一种基于靶区规划的可扩展遥感深度学习样本库建设方法,应用于遥感图像处理技术领域,包括:基于影像分辨率与多个目标靶区中心点,确定多个靶区的靶区范围;基于靶区范围的矢量边界与预设的编码规则对靶区遥感影像进行裁切与编码命名,得到多个靶区分别对应的粗样本;将经过特征增强处理后的粗样本输入至大语言模型,得到大语言模型输出的粗样本的语料数据;基于语义关系与粗样本进行特征对齐,得到粗样本的特征语义映射结果;基于语义关系信息与特征语义映射结果,构建粗样本知识图谱;将粗样本知识图谱输入至开放词汇目标检测模型,得到开放词汇目标检测模型输出的潜在样本。通过本发明能够实现大规模遥感样本的动态可扩展标注。
技术关键词
样本
分辨率
大语言模型
语义
编码规则
规划
图谱
切片
遥感图像处理技术
非暂态计算机可读存储介质
网格划分技术
关系
自然语言
地图数据库
建设装置
处理器
地理实体
影像模块
系统为您推荐了相关专利信息
文本特征向量
图像特征向量
约束技术
动态更新
动态纹理
字符
神经网络架构
轨迹预测方法
样本
统计学方法
车载图像传感器
行车记录图像
图像增强方法
物体视觉识别
图像纹理分析
鲁棒模型
鲁棒性
样本生成方法
训练集
大语言模型
音乐识别方法
高斯径向基函数
加权欧氏距离
节奏特征
风格