买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：安徽农业大学

摘要：本发明属于遥感图像处理技术领域，具体是一种基于补丁级分类标签的农作物遥感图像分割方法，该方法使用patch级标注图像数据分别训练教师网络和学生网络，在教师网络的输出中，筛选出可靠的预测结果作为学生网络的伪标签，不可靠结果作为学生网络的负样本；利用学生网络的分类结果生成图像分割模型的像素级伪掩码，将学生网络不同编码阶段的特征图作为分割模型的伪标签；最后使用经过充分训练的学生模型作为主干网络，对测试集图像进行分割。本发明增强了对噪声和局部变化的鲁棒性，提高了模型泛化能力，有效减少图像标注质和量上的需求；通过多层伪监督缩小patch级标签和像素级标签之间的信息差距。

主权项：1.一种基于补丁级分类标签的农作物遥感图像分割方法，其特征在于，该方法包括以下步骤：步骤S1：使用有patch级标签图像编码矩阵及标签分别训练知识蒸馏中的教师网络和学生网络，经过教师网络的可靠预测结果作为学生网络的伪标签，将不可靠预测结果纳入负样本队列，并计算总的损失函数；步骤S2：基于类别激活图生成分割模型像素级伪掩码p；步骤S3：通过分类阶段生成的像素级伪掩码p训练分割模型，从分类阶段学生网络的三个不同层次生成多层伪标签，计算语义分割结果与不同层伪标签之间的交叉熵损失；步骤S4：初始化分类网络的参数，然后使用训练数据进行前向传播和反向传播，计算损失函数的梯度，并利用梯度下降优化算法来更新网络参数，直到总损失函数达到预设的收敛条件；步骤S5：对于给定测试集农作物遥感图像，以学生网络作为主干网络模型提取特征，分割输出目标图像每个像素点所属类别概率，并设定阈值将该像素点标记为分割目标或背景；在教师网络训练中基于像素级熵过滤不可靠的像素级伪标签，由学生网络生成图片像素级伪掩码；在教师网络的训练过程中，将所有图像的编码输入教师网络进行无监督预测，通过计算每个像素在其分类预测中的熵值评估伪标签的置信度，具体计算公式如下： （1）；其中，表示教师模型在像素j处第i个图像分割头生成的概率，表示类别数；熵越小代表预测置信度越高，设置阈值过滤不可靠预测结果： （2）；其中，表示第个训练步骤的熵阈值，表示使得预测概率值达到最大时对应的标签；对训练阶段当前批次的每个类锚像素采样，得到特征集： （3）；其中，代表图像第个像素表示；是正阈值，设置为0.3；同一类锚点的正样本都是锚点中心，提取公式为： （4）；第类语义分割图像的负样本满足以下三个基本条件：首先，属于不可靠预测结果；其次，该图像不属于第类；再者，不属于教师模型预测的可能性最大类别；引入像素级类别索引，具体地： （5）；其中，表示对排序后的元素索引；第类语义分割图像的负样本判断公式如下： （6）；其中，对于当像素熵高于时置为1，像素级类别索引大于低阶阈值且小于高阶阈值时置为1；最终，第类负样本集为： （7）；在像素级伪掩码生成的过程中，在已经训练好的多标签分类学生模型的基础上，采用梯度加权类激活映射Grad-CAM方法来生成像素级伪掩码；具体而言： （10）；其中，是编码器，是表征头，表示分类参数，Grad-CAM为类激活映射计算方法；表示h和g的结合函数。

全文数据：

权利要求：

百度查询： 安徽农业大学 一种基于补丁级分类标签的农作物遥感图像分割方法