基于双向无监督域适应融合的跨星遥感图像语义分割方法.pdf
小新****ou
亲,该文档总共15页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
基于双向无监督域适应融合的跨星遥感图像语义分割方法.pdf
本发明公开了一种基于双向无监督域适应融合的跨星遥感图像语义分割方法,包括源域‑目标域图像双向转换模型训练、图像转换模型双向转换器参数选择、源域‑目标域图像双向转换、源域和拟目标域语义分割模型训练、源域和目标域类别分割概率生成以及融合。本发明利用源‑目标和目标‑源双向域适应,将源域和目标域上类别分割进行概率融合,提高了跨星遥感图像语义分割模型的准确率和鲁棒性,进一步通过双向语义一致损失和转换器参数选择,从而避免了图像双向转换模型中转换器效果不稳定所带来的影响。
基于空间分辨率域自适应的无监督遥感图像语义分割方法.pdf
本发明涉及基于空间分辨率域自适应的无监督遥感图像语义分割领域,基于空间分辨率域自适应的无监督遥感图像语义分割方法包括如下步骤:获取源域低分辨率遥感图像数据集和目标域高分辨率遥感图像数据集,分为:图像语义分割训练集和图像语义分割测试集;搭建基于对抗学习的超分辨率‑语义分割多任务网络;搭建好的基于对抗学习的超分辨率网络进行网络预训练;训练基于对抗学习的超分辨率‑语义分割多任务网络;将图像语义分割测试集输入已训练好的基于对抗学习的超分辨率‑语义分割多任务网络生成器得到最终预测结果。
一种基于双边融合的遥感图像语义分割方法.pdf
本发明公开了一种基于双边融合的遥感图像语义分割方法,该方法包括以下步骤:输入单幅遥感图像;构造用于风格迁移的生成器;构造基于双边融合方式的卷积神经网络;生成并迭代优化学习模型;输出语义分割结果。本发明的特点在于定义了一个针对遥感图像的语义分割模型,可以克服因图像噪声引起的漏检、误检问题,增强了遥感图像的分割效果,提高了语义分割的准确率;本发明可广泛应用于国土资源和精准农业领域的目标定位和检测。
基于视差信息的遥感图像语义分割方法.pdf
本发明提出一种基于视差信息的遥感图像语义分割方法,用于解决现有技术中存在的分割精度较低的技术问题,实现步骤为:获取训练样本集和测试样本集;对训练样本集进行预处理;对视差网络进行训练;对测试样本集进行视差检测;获取测试样本集的视差信息;对语义分割网络进行训练;对测试样本集进行语义检测;对初步语义分割结果进行修正;获取最终的语义分割结果。本发明对遥感图像的视差结果进行左右一致性检测LRC,再利用检测得到的视差信息对语义分割结果进行修正,并提出了一个全新的语义切块融合检测方法,显著提高了语义分割的精度。可用于地
基于数据扰动的跨域自适应语义分割方法及装置.pdf
本发明提供的一种基于数据扰动的跨域自适应语义分割方法及装置,该方法包括,获取待处理数据以及添加数据扰动后的语义分割特征;基于所述待处理数据以及所述语义分割特征确定损失函数;基于所述损失函数通过误差反向传播算法训练模型得到跨域自适应语义分割模型,通过对目标域中大量无标签数据,本发明对这部分数据随机加入扰动,并保证经过扰动处理的图像能够保持语义的一致性,从数据扰动和跨域原型分类器两个角度解决了源域和目标域之间的领域不一致问题,并且针对在现实应用中更具实际应用价值的少量监督问题做了针对性的设计,并在基于对抗的学