农田图像分割模型训练方法、装置、电子设备和介质.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115272667A(43)申请公布日2022.11.01(21)申请号202210723621.7G06N3/08(2006.01)(22)申请日2022.06.24(71)申请人中科星睿科技（北京）有限公司地址100044北京市海淀区高梁桥斜街42号626室(72)发明人吴之祥刘磊刘璐瑶(74)专利代理机构北京唯智勤实知识产权代理事务所(普通合伙)11557专利代理师孙姣(51)Int.Cl.G06V10/26(2022.01)G06V10/82(2022.01)G06V10/80(2022.01)G06V20/10(2022.01)G06N3/04(2006.01)权利要求书3页说明书13页附图4页(54)发明名称农田图像分割模型训练方法、装置、电子设备和介质(57)摘要本公开的实施例公开了农田图像分割模型训练方法、装置、电子设备和介质。方法的一具体实施方式包括：获取目标农田边界矢量数据和目标遥感图像；生成坐标集；生成与坐标集相对应的目标图像，其中，目标图像的分辨率与目标遥感图像的分辨率相同；对目标图像和目标遥感图像进行图像切割，得到切割后图像子集和切割后遥感图像子集；将切割后图像子集中的切割后图像作为训练标签，切割后遥感图像子集中的切割后遥感图像作为训练数据，在二分类语义分割的技术框架下采用对抗学习的方式，对初始农田图像分割模型进行训练，得到训练后的农田图像分割模型。该实施方式使用训练后的农田图像分割模型，可以精准地实现对遥感图像中的农田信息进行识别。CN115272667ACN115272667A权利要求书1/3页1.一种农田图像分割模型训练方法，包括：获取目标农田边界矢量数据和目标遥感图像，其中，所述目标农田边界矢量数据包括：农田的矢量多边形，所述目标农田边界矢量数据表征所述目标遥感图像中农田的边界信息；生成坐标集，其中，所述坐标集中的坐标为所述矢量多边形中的顶点的坐标，所述坐标集中的坐标为所述目标遥感图像对应遥感坐标系下的坐标；生成与所述坐标集相对应的目标图像，其中，所述目标图像的分辨率与所述目标遥感图像的分辨率相同；对所述目标图像和所述目标遥感图像进行图像切割，得到切割后图像子集和切割后遥感图像子集；将所述切割后图像子集中的切割后图像作为训练标签，所述切割后遥感图像子集中的切割后遥感图像作为训练数据，对初始农田图像分割模型进行训练，得到训练后的农田图像分割模型。2.根据权利要求1所述的方法，其中，所述生成与所述坐标集相对应的目标图像，包括：将所述坐标集添加至初始图像，得到添加后的图像；将所述添加后图像中的所述坐标集进行连线处理，得到连线后图像；对所述连线后图像所包括的连线对应的像素进行像素数值变换，得到变换后图像，作为所述目标图像。3.根据权利要求2所述的方法，其中，所述初始农田图像分割模型为初始生成式与对抗式模型；以及所述将所述切割后图像子集中的切割后图像作为训练标签，所述切割后遥感图像子集中的切割后遥感图像作为训练数据，对初始农田图像分割模型进行训练，得到训练后的农田图像分割模型，包括：对于所述切割后图像子集中的每个切割后图像，执行生成式与对抗式模型训练步骤：将所述切割后图像输入至初始生成式与对抗式模型中的初始生成式模型，得到初始分割结果和所述初始分割结果对应的第一损失值；确定与所述切割后图像之间存在内容对应关系的切割后遥感图像；将所述初始分割结果和所述切割后图像输入至所述初始生成式与对抗式模型中的初始对抗式模型，得到第一输出向量；将所述初始分割结果和所述切割后遥感图像输入至所述初始生成式与对抗式模型中的初始对抗式模型，得到第二输出向量；根据所述第一输出向量和所述第二输出向量，生成第二损失值；根据所述第一损失值和所述第二损失值，对所述初始农田图像分割模型进行训练，得到训练后的农田图像分割模型。4.根据权利要求3所述的方法，其中，所述根据所述第一输出向量和所述第二输出向量，生成第二损失值，包括：确定所述第一输出向量与预设全1矩阵之间的第一交叉熵损失值；确定所述第二输出向量与预设全0矩阵之间的第二交叉熵损失值；确定所述第一交叉熵损失值与所述第二交叉熵损失值之间的平均值，作为所述第二损2CN115272667A权利要求书2/3页失值。5.根据权利要求4所述的方法，其中，所述将所述切割后图像输入至初始生成式与对抗式模型中的初始生成式模型，得到初始分割结果和所述初始分割结果对应的第一损失值，包括：将所述切割后图像输入至初始图像编码模型，所述初始图像编码模型包括多个串行连接的图像编码网络，得到多个图像编码网络的输出矩阵；将所述多个串行连接的图像编码网络中的最后一个图像编码网络对应的输出矩阵确定为初始图像解码模型的输入矩阵；将所述输出矩阵确定为候选矩阵；对于