[发明专利]一种基于在线学习的遥感图像辅助处理方法和装置

权利要求书

1.一种基于在线学习的遥感图像辅助处理方法，其特征在于，包括：

获取待标注的遥感图像数据集，所述遥感图像数据集包含多个子数据集，每个所述子数据集中包括多个瓦片图像；

获取当次标注任务的标注任务类型，并根据所述标注任务类型和所述待标注的遥感图像数据集确定辅助标注算法网络模型和预设的训练算法，且对所述辅助标注算法网络模型进行初始化；

通过所述辅助标注算法网络模型对每个所述子数据集进行处理输出标注结果，并在每个所述子数据集处理完后利用所述训练算法对所述辅助标注算法网络模型进行参数更新，以实现对所述辅助标注算法网络模型的迭代式参数更新，且利用迭代式参数更新后的辅助标注算法网络模型对未标注的子数据集进行处理；

获取每个所述子数据集所对应的标注结果，作为所述遥感图像数据集的图像标注结果，

其中，通过所述辅助标注算法网络模型对每个所述子数据集进行处理输出标注结果，并在每个所述子数据集处理完后利用所述训练算法对所述辅助标注算法网络模型进行参数更新，包括：

将任意一个子数据集输入初始化后的辅助标注算法网络模型获得标注后的子数据集，并根据该标注后的子数据集中的瓦片图像，利用所述训练算法对所述辅助标注算法网络模型进行参数更新；

对于多个子数据集中任意未输入至所述辅助标注算法网络模型的子数据集，执行以下操作，直至多个子数据集全部输入至所述辅助标注算法网络模型：

输入至参数更新后的辅助标注算法网络模型，获得标注后的子数据集；根据该标注后的子数据集中的瓦片图像，利用所述训练算法对所述辅助标注算法网络模型进行参数更新。

2.根据权利要求1所述的基于在线学习的遥感图像辅助处理方法，其特征在于，所述遥感图像数据集包括：第一任务数据集；所述子数据集包括：一级子任务数据集；

所述获取待标注的遥感图像数据集，包括：

获取待标注的第一任务数据集，并根据第一预设规则将所述待标注的第一任务数据集划分为多个一级子任务数据集，所述待标注的第一任务数据集包括多个瓦片图像。

3.根据权利要求2所述的基于在线学习的遥感图像辅助处理方法，其特征在于，所述获取待标注的第一任务数据集，包括：

获取待标注的图像数据集P，并根据所述图像数据集P中瓦片图像的数据信息将所述待标注的图像数据集P拆分为多个第一任务数据集，所述数据信息包括采集图像的设备类型。

4.根据权利要求3所述的基于在线学习的遥感图像辅助处理方法，其特征在于，所述根据所述标注任务类型和所述待标注的遥感图像数据集确定辅助标注算法网络模型和预设的训练算法，包括：

根据所述标注任务类型和所述待标注的第一任务数据集确定辅助标注算法网络模型和预设的训练算法。

5.根据权利要求2所述的基于在线学习的遥感图像辅助处理方法，其特征在于，所述子数据集包括：二级子任务数据集；所述将所述待标注的第一任务数据集划分为多个一级子任务数据集之后，还包括：

根据第二预设规则，将每个一级子任务数据划分出多个二级子任务数据集，并将每个二级子任务数据集作为输入所述辅助标注算法网络模型的子数据集。

6.根据权利要求1所述的基于在线学习的遥感图像辅助处理方法，其特征在于，所述方法还包括：获取每一个子数据集输入所述辅助标注算法网络模型后输出的图像标注结果，对所述图像标注结果中的标注信息进行修正，并将修正后的图像标注结果作为该子数据集对应的最终图像标注结果。

7.根据权利要求6所述的基于在线学习的遥感图像辅助处理方法，其特征在于，所述根据该标注后的子数据集中的瓦片图像，利用所述训练算法对所述辅助标注算法网络模型进行参数更新，包括：

根据所述子数据集和所述子数据集对应的最终图像标注结果获取训练样本对集；

将所述训练样本对集输入至所述辅助标注算法网络模型，采用所述训练算法更新所述辅助标注算法网络模型的参数。