[发明专利]一种雷达图像的语义分割方法、设备及存储介质

权利要求书

1.一种雷达图像的语义分割方法，其特征在于，所述语义分割方法包括：

获取雷达数据；

对所述雷达数据进行渲染，确定雷达图像；

将所述雷达图像输入预先训练的语义分割神经网络模型，以在所述雷达图像中识别生物目标，所述语义分割神经网络模型是基于双流卷积神经网络模型GSCNN训练得到的；

所述语义分割神经网络模型是基于双流卷积神经网络模型GSCNN训练得到的，包括：

对所述双流卷积神经网络模型的神经网络架构进行调整，得到所述语义分割神经网络模型的神经网络架构；

将所述语义分割神经网络模型的训练集输入至所述语义分割神经网络模型的神经网络架构中，训练生成所述语义分割神经网络模型；

所述对所述双流卷积神经网络模型的神经网络架构进行调整，确定所述语义分割神经网络模型的神经网络架构，包括：

调整所述双流卷积神经网络模型，以使所述双流卷积神经网络模型能够接收所述雷达图像对应尺寸的训练集；并

调整所述双流卷积神经网络模型中的空洞空间卷积池化金字塔的采样率，以提取所述训练集中目标的特征信息；并

降低所述双流卷积神经网络模型的最终输出卷积层的特征图通道数目，并增加所述双流卷积神经网络模型的最终输出卷积层的卷积层数量；并

增加所述双流卷积神经网络模型的损失函数中语义分割损失的权重；

确定所述语义分割神经网络模型的神经网络架构；

所述语义分割神经网络模型的神经网络架构，包括：

输入图像的尺寸为320×320；

空洞空间卷积池化金字塔的采样率为4、8、12、16；

最终输出卷积层的特征图通道数目为128、64、32、3；

最终输出卷积层的卷积层数量为4；

损失函数中语义分割损失的权重为20；

将所述语义分割神经网络模型的训练集输入至所述语义分割神经网络模型的神经网络架构中，训练生成所述语义分割神经网络模型，包括：

确定所述训练集包括样本雷达图像，以及所述样本雷达图像对应的标签；其中，所述标签包括生物回波像素标签、降水回波像素标签、背景像素标签中的至少一种；

将所述样本雷达图像输入至所述语义分割神经网络模型的神经网络架构中，通过所述标签进行有监督训练，生成所述语义分割神经网络模型；

所述雷达图像为天气雷达图像，所述生物目标为鸟类，所述方法应用于天气预测；

所述对所述雷达数据进行渲染，确定所述雷达图像，包括：

根据所述雷达数据，确定第一仰角反射率图像、第二仰角反射率图像、仰角频谱图像；其中，所述雷达数据包括不同扫描角的数据；

根据所述第一仰角反射率图像，确定所述雷达图像的R通道图像；

根据所述第二仰角反射率图像，确定所述雷达图像的G通道图像；

根据所述仰角频谱图像，确定所述雷达图像的B通道图像；

根据所述R通道图像、G通道图像、B通道图像，确定所述雷达图像；

所述第一仰角反射率图像的仰角接近0.1°，所述接近指的是所述第一仰角反射率图像的仰角与0.1°之间的差值低于预设第一阈值；

所述第二仰角反射率图像的仰角接近1.45°，所述接近指的是所述第二仰角反射率图像的仰角与1.45°之间的差值低于预设第二阈值；

所述仰角频谱图像的仰角接近0.1°，所述接近指的是所述仰角频谱图像的仰角与0.1°之间的差值低于预设第三阈值。

2.一种雷达图像的语义分割设备，其特征在于，所述语义分割设备包括处理器、存储器和存储在所述存储器上的执行指令，所述执行指令设置成在被所述处理器执行时能够使所述语义分割设备执行权利要求1中所述的语义分割方法。

3.一种存储介质，其特征在于，所述存储介质存储有执行指令，所述执行指令设置成在被电子设备的处理器执行时能够使所述电子设备执行权利要求1所述的语义分割方法。