欢迎来到知嘟嘟! 联系电话:13095918853 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13095918853
知嘟嘟经纪人
收藏
专利号: 2021109713184
申请人: 中国地质大学(武汉)
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2024-01-05
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种自适应网络遥感图像分类方法,其特征在于,所述自适应判别性区域学习网络包括特征提取网络、区域生成器、判别器和打分器,所述自适应网络遥感图像分类方法包括:

获取待检测图像;

将所述待检测图像输入至训练好的所述区域生成器,由所述区域生成器提取所述待检测图像中至少一个图像子区域作为目标区域,提取每个所述目标区域的信息度并根据所述信息度筛选所述目标区域,获得至少一个判别性区域;

使用所述特征提取网络提取所述判别性区域的区域特征及所述待检测图像的全局特征,并对每个所述区域特征和所述全局特征进行自身适应性加权卷积变换,获得各所述区域特征以及所述全局特征对应的第一变换特征,组合所有所述第一变换特征,获得第二变换特征;

将所述第二变换特征输入至训练好的所述打分器,获得分类结果。

2.根据权利要求1所述的自适应网络遥感图像分类方法,其特征在于,在所述获取待检测图像之前,还包括网络训练步骤,包括:获取训练图像;

通过所述区域生成器处理所述训练图像,选择所述训练图像中至少一个图像子块作为训练目标区域,提取每个所述训练目标区域的信息度,根据所述信息度筛选所述训练目标区域,获得至少一个训练优选区域,使用所述特征提取网络提取所述训练优选区域的训练区域特征及所述训练图像中的训练全局特征;

对每个所述训练区域特征及所述训练全局特征进行自身适应性加权卷积变换和组合,获得融合特征;

通过所述判别器计算所述训练优选区域的置信度,对所述信息度和所述置信度进行从高到低的排序并筛选信息度符合预设条件的所述训练优选区域作为训练判别性区域;

通过所述打分器对所述融合特征进行打分;

计算网络损失,所述网络损失包括区域生成损失、判别损失和分数损失,基于所述网络损失反向传播优化网络,其中,基于所述信息度构建所述区域生成损失、基于所述置信度构建所述判别损失、基于所述分类结果构建所述打分损失。

3.根据权利要求2所述的自适应网络遥感图像分类方法,其特征在于,所述通过所述判别器计算所述训练优选区域的置信度,对所述信息度和所述置信度进行从高到低的排序并筛选信息度符合预设条件的所述训练优选区域作为训练判别性区域包括:使用成对的排序损失函数优化构建所述训练优选区域的约束,其中,所述成对的排序损失函数的构建包括:根据所述训练优选区域的信息度排序所述训练优选区域并编号;建立以所述编号为自变量,以所述信息度为因变量的非递增函数作为第一损失函数;

判断以所述编号为自变量、置信度为因变量的第二损失函数是否与所述第一损失函数单调性一致;

若否,则重新从所述训练目标区域获取所述训练优选区域。

4.根据权利要求2所述的自适应网络遥感图像分类方法,其特征在于,所述计算网络损失,所述网络损失包括区域生成损失、判别损失和分数损失,基于所述网络损失反向传播优化网络包括:

将所述区域生成损失、所述判别损失和所述分数损失加权获得所述网络损失;

将所述网络损失进行反向传播,优化所述特征提取网络、所述区域生成器、所述判别器和所述打分器。

5.根据权利要求4所述的自适应网络遥感图像分类方法,其特征在于,所述计算网络损失,所述网络损失包括区域生成损失、判别损失和分数损失,基于所述网络损失反向传播优化网络还包括:

通过铰链损失函数构建所述区域生成损失、通过交叉熵损失函数构建所述判别损失和所述分数损失。

6.根据权利要求1所述的自适应网络遥感图像分类方法,其特征在于,所述提取每个所述目标区域的信息度并根据所述信息度筛选所述目标区域,获得至少一个判别性区域包括:

提取每个所述目标区域的信息度;

基于所述信息度,使用非极大值抑制筛选所述目标区域,获得优选区域;

将所述优选区域依据信息度从大到小排序,选择预设个数的所述优选区域作为所述判别性区域。

7.根据权利要求6所述的自适应网络遥感图像分类方法,其特征在于,所述使用所述特征提取网络提取所述判别性区域的区域特征及所述待检测图像的全局特征,并对每个所述区域特征和所述全局特征进行自身适应性加权卷积变换,获得各所述区域特征以及所述全局特征对应的第一变换特征,组合所有所述第一变换特征,获得第二变换特征包括:提取所述判别性区域的区域特征和所述待检测图像的全局特征;

对所述区域特征与所述全局特征进行自身适应性加权卷积变换,获得所述第一变换特征,包括:使用不同的权重,对每个特征进行分别卷积操作,并对每个卷积结果加入对应的偏置项;

对所述第一变换特征进行向量连接,获得所述第二变换特征。

8.根据权利要求1‑7任一所述的自适应网络遥感图像分类方法,其特征在于,所述图像子区域的尺寸包括至少三种,为所述待检测图像的短边的十二分之一、六分之一和三分之一;长宽比分别为1:1、3:2、2:3。

9.一种计算机设备,其特征在于,包括存储有计算机程序的计算机可读存储介质和处理器,所述计算机程序被所述处理器读取并运行时,实现如权利要求1‑8任一项所述的自适应网络遥感图像分类方法。

10.一种计算机存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器读取并运行时,实现如权利要求1‑8任一项所述的自适应网络遥感图像分类方法。