一种基于半监督迭代学习的遥感影像目标检测方法及系统.pdf
An****99
亲,该文档总共16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
一种基于半监督迭代学习的遥感影像目标检测方法及系统.pdf
本发明提供一种基于半监督迭代学习的遥感影像目标检测方法及系统,方法包括:收集遥感影像目标检测数据集,目标检测数据集包括有标签数据集和海量无标签数据集;基于有标签数据集训练目标检测器模型,获取训练后的初始目标检测器模型;将海量无标签数据集划分为多个无标签数据子集;基于有标签数据集和多个无标签数据子集,对所述初始目标检测器模型进行迭代优化训练,得到最终目标检测器模型。根据本发明,使用少量的有标签遥感影像数据,联合海量无标签数据的辅助优化下极大的提高了目标检测的精度,降低了人工标注成本。
一种基于关系学习的遥感影像目标检测方法.pdf
本发明提供一种基于关系学习的遥感影像目标检测方法,属于遥感影像领域。所述方法包括:针对遥感影像,获取利用区域生成网络生成的候选框,将候选框划分为前景框、推理框和背景框;采用双头推理策略,为分类和定位任务分别构建图推理模块,通过构建的图推理模块为分类和定位任务分别构建候选框之间视觉关系图和位置关系图,根据构建的视觉关系图和位置关系图同时进行关系推理,得到每个候选框的推理特征;将区域生成网络生成的候选框特征以及推理特征进行拼接,并通过多层感知机进行特征融合,再次对候选框进行分类和定位。采用本发明,能够挖掘出遥
一种基于原型对比学习的半监督遥感图像检索方法及系统.pdf
本发明公开了一种基于原型对比学习的半监督遥感图像检索方法及系统,在不额外引入margin超参数的前提下,在学习过程中最大化类间方差同时最小化类内方差。接着,提出基于原型的无监督对比学习损失利用未标记数据优化半监督模型,将双分支改进为单分支,不依赖于数据增强构造正样本对,而是根据标记数据的原型为未标记数据分配伪标签,然后利用伪标签构建正负对来进行对比学习,从而充分挖掘未标记数据中隐藏的语义信息来增强模型的特征提取能力。最后,提出了多分支注意力模块,在不同尺度的图像信息上提取注意力权重,可以有效捕获遥感图像的
基于对象级半监督CV模型的遥感影像变化检测方法.pdf
本发明提供基于对象级半监督CV模型的遥感影像变化检测方法,包括:对各时相遥感影像进行预处理;将影像叠加后进行多尺度分割,形成同质的影像对象;计算各影像对象的变化强度特征,并对像素进行特征映射,得到变化强度特征图;将对象变化强度特征进行初始聚类,得到隶属度矩阵;采用信息熵度量方法计算每个对象的类别标记信息熵,进而进行类别初始标注,生成类别标记知识;将变化强度特征图作为输入特征,将类别标记知识引入CV模型,构造顾及类别标记知识的能量泛函,建立对象级半监督CV模型;通过求解能量泛函对应的欧拉方程,构造能量约束,
基于半监督学习和可变形卷积的输电塔遥感目标检测方法.pdf
本发明公开基于半监督学习和可变形卷积的输电塔遥感目标检测方法,所述方法包括:采集输电塔卫星遥感图片,构建已标注数据集和未标注数据集;构建基于可变形卷积的输电塔遥感目标检测模型;通过训练和验证得到基于已标注数据集的输电塔遥感目标检测模型;基于已标注数据集的输电塔遥感目标检测模型,对未标记数据集中的图片进行检测,得到未标记数据集的伪标签;针对已标注数据集和带伪标签的未标注数据集进行共同训练和验证,获得最优的输电塔遥感目标检测模型;基于最优的输电塔遥感目标检测模型,对卫星遥感图片中输电塔进行检测,并计算目标检测