[发明专利]样例生产方法及模型训练方法

说明书

本发明实施例提供一种样例生产方法及模型训练方法，该样例生产方法包括：从与影像数据匹配的待选矢量数据中获取待处理地物要素的标识码，其中，所述待选矢量数据中记录有多种地物要素的标识码以及所述标识码对应的地物边界信息；根据第一预设条件对所述标识码对应的地物边界信息进行预处理，得到目标要素数据；利用所述目标要素数据对所述影像数据进行切割，得到多个目标样例，其中，所述目标样例用于构建深度学习算法中的训练模型。通过上述方法能够利用与影像数据匹配关联的待选矢量数据得到多个目标样例，解决了现有技术中样例少、样例生产效率低的问题。

技术领域

本发明涉及数据处理领域，具体而言，涉及一种样例生产方法及模型训练方法。

背景技术

自从深度学习技术在语音识别、图像处理等方面得到应用以后，遥感影像解译领域也开始利用深度学习技术参与部分解译过程。但是，目前的遥感影像样例数据存在两方面问题：一，样例类别少，数据量不足；二，样例需要采用手动选取、人工标注，工作量大，导致样例生产效率低。这两方面问题制约了深度学习技术在遥感影像解译领域的发展。

发明内容

为克服现有技术中存在的问题，本发明实施例的目的在于提供一种样例生产方法及模型训练方法。

第一方面，本发明实施例提供一种样例生产方法，所述方法包括：

从与影像数据匹配的待选矢量数据中获取待处理地物要素的标识码，其中，所述待选矢量数据中记录有多种地物要素的标识码以及所述标识码对应的地物边界信息；

根据第一预设条件对所述标识码对应的地物边界信息进行预处理，得到目标要素数据；

利用所述目标要素数据对所述影像数据进行切割，得到多个目标样例，其中，所述目标样例用于构建深度学习算法中的训练模型。

通过上述方法，能够利用与影像数据匹配关联的待选矢量数据作为生产样例的数据源，进一步对待选矢量数据中的某些标识码所表示的要素进行处理，例如对某些要素的地物边界信息进行预处理以得到符合样例生产要求的目标要素数据，其中，对应不同的目标样例需求，可以对待选矢量数据中的要素进行不同的预处理。然后根据目标要素数据对影像数据进行切割，得到多个目标样例，这些目标样例可能是关于同种地物要素的，也可能是关于多种地物要素的。其中，可以利用上述方法对影像数据进行批量切割，提高样例生产效率。这些目标样例可以作为深度学习过程中的训练样本，可用于构建深度学习算法中的训练模型，上述方法能够解决现有技术中由于样例少、样例生产效率低的问题，能够拓展深度学习技术的应用领域。

结合第一方面，在一种可能的设计中，所述根据第一预设条件对所述标识码对应的地物边界信息进行预处理，得到目标要素数据，包括：

获取与所述标识码对应的地物边界信息，所述地物边界信息包括地物面积；

根据所述地物面积对所述标识码所表示的地物要素进行过滤，得到目标要素数据。

通过上述方法能够在生产单目标识别样例、单要素分割样例之前，对达不到样例生产要求的要素进行过滤，得到符合样例生产要求的目标要素的数据。其中，样例生产要求可能是某种地物要素的占地面积，也可能是某种地物要素在影像数据中的像素量。例如，可以直接判断地物面积是否低于阈值，若是，删除地物面积低于阈值的要素，以对所述第一要素进行过滤，得到目标要素数据；也可以根据获取到的地物面积计算相应要素在影像数据中的像素量，再将计算出的像素量与像素阈值进行对比，滤除像素量低于像素阈值的要素。

结合第一方面，在一种可能的设计中，所述目标样例包括单要素分割样例，所述单要素分割样例包括第一参考样例、第一参考标签，所述利用所述目标要素数据对所述影像数据进行切割，得到多个目标样例，包括：

获取所述目标要素数据中的各个要素的地物边界信息，得到每个要素的包络矩形；