[发明专利]一种基于模型自训练的地基云图像云检测方法

权利要求书

1.一种地基云图像分类模型的训练方法，其特征在于，包括：

获取地基云样本图像，确定已标注超像素样本和未标注超像素样本；

根据已标注超像素样本，确定训练样本集；

根据所述训练样本集，对预设的分类器模型进行训练，得到分类模型；

循环选取部分所述未标注超像素样本更新至所述训练样本集，并对所述分类模型重复迭代训练；

在检测到所述未标注超像素样本全部更新至所述训练样本集，确定训练后的分类模型为目标分类模型。

2.如权利要求1所述的地基云图像分类模型的训练方法，其特征在于，所述根据所述训练样本集，对预设的分类器模型进行训练，得到分类模型的步骤之后，所述循环选取部分所述未标注超像素样本更新至所述训练样本集，并对所述分类模型重复迭代训练的步骤之前，还包括：

确定所述未标注超像素样本的伪标签及其置信度；

相应地，所述循环选取部分所述未标注超像素样本更新至所述训练样本集，并对所述分类模型重复迭代训练的步骤，具体包括：

根据所述未标注超像素样本的伪标签及其置信度，循环选取部分所述未标注超像素样本更新至所述训练样本集，并对所述分类模型重复迭代训练。

3.如权利要求2所述的地基云图像分类模型的训练方法，其特征在于，所述确定所述未标注超像素样本的伪标签及其置信度的步骤，包括：

计算所述未标注超像素样本所在地基云样本图像的红蓝比值Otsu阈值；

利用红蓝比值Otsu阈值对所述未标注超像素样本预测，得到预测值St；

根据所述分类模型，对所述未标注超像素样本进行类别预测，得到类别预测值Sc；

比较类别预测值Sc与预测值St；

根据比较结果，确定所述未标注超像素样本的伪标签及其置信度。

4.如权利要求3所述的地基云图像分类模型的训练方法，其特征在于，所述根据所述未标注超像素样本的伪标签及其置信度，循环选取部分所述未标注超像素样本更新至所述训练样本集，并对所述分类模型重复迭代训练的步骤，具体包括：

根据所述未标注超像素样本的伪标签对应的置信度，对所述未标注超像素样本进行排序；

根据排序后的未标注超像素样本，依序抽取出预设比例的所述未标注超像素样本并更新至所述训练样本集；

根据所述训练样本集，对分类模型重复迭代训练。

5.如权利要求1所述的地基云图像分类模型的训练方法，其特征在于，所述获取地基云样本图像，确定已标注超像素样本和未标注超像素样本的步骤包括：

获取地基云样本图像并进行超像素分割，其中，所述地基云样本图像包括完全标注样本图像、未标注样本图像、以及未完全标注样本图像；

对超像素分割后的地基云样本图像超像素特征提取；

根据超像素特征提取后的完全标注样本图像和未完全标注样本图像，确定所述已标注超像素样本；

根据所述已标注超像素样本，确定所述超像素特征提取后的地基云样本图像中剩余的为未标注超像素样本。

6.如权利要求5所述的地基云图像分类模型的训练方法，其特征在于，所述根据超像素特征提取后的完全标注样本图像和未完全标注样本图像，确定所述已标注超像素样本的步骤，包括：

根据超像素特征提取后的完全标注样本图像和未完全标注样本图像中，确定超像素所包含的像素中已标注的像素数量占该超像素的像素总数的比例；

若比例大于预设阀值，则确定该超像素为已标注超像素样本。

7.一种基于模型自训练的地基云图像云检测方法，其特征在于，包括：

获取待预测图像；

将所述待预测图像输入目标分类模型进行图像分类；

根据分类结果形成云检测结果图；

其中，所述目标分类模型为如权利要求1至6任意一项所述的地基云图像分类模型的训练方法训练得到。