[发明专利]遥感影像标的查勘模型的训练方法、装置、设备及介质

权利要求书

1.一种遥感影像标的查勘模型的训练方法，其特征在于，所述方法包括：

获取训练样本集合，所述训练样本集合中的每个训练样本包括：遥感影像样本数据和查勘标定值；

获取预设数量，采用所述预设数量，从所述训练样本集合中获取所述训练样本，得到目标训练样本子集合；

采用半精度训练策略，根据所述目标训练样本子集合对初始模型进行训练；

重复执行所述采用所述预设数量，从所述训练样本集合中获取所述训练样本，得到目标训练样本子集合的步骤，直至满足预设训练结束条件，将满足所述预设训练结束条件的所述初始模型，确定为遥感影像标的查勘模型；

所述采用半精度训练策略，根据所述目标训练样本子集合对初始模型进行训练的步骤，包括：

获取参数备份库，所述参数备份库中的数据的数据精度是第一精度浮点数；

基于所述初始模型的需更新参数采用第二精度浮点数的方法，根据所述参数备份库，分别将所述目标训练样本子集合中的每个所述训练样本的所述遥感影像样本数据输入所述初始模型进行查勘预测，得到查勘样本预测结果集合；

基于所述第一精度浮点数和损失函数，根据所述查勘样本预测结果集合和所述目标训练样本子集合中的所有所述查勘标定值，分别对所述目标训练样本子集合中的每个所述训练样本进行损失值计算，得到待处理的损失值集合；

基于所述第一精度浮点数，根据所述参数备份库和所述待处理的损失值集合更新所述初始模型的所述需更新参数，更新后的所述初始模型被用于下一次计算所述查勘样本预测结果；

所述基于所述第一精度浮点数，根据所述参数备份库和所述待处理的损失值集合更新所述初始模型的所述需更新参数的步骤，包括：

当所述目标训练样本子集合中包括多个所述训练样本时，基于所述第二精度浮点数，分别根据所述待处理的损失值集合中的每个待处理的损失值对所述初始模型的所述需更新参数进行参数梯度计算，得到待平均的梯度数据集合；

根据所述待平均的梯度数据集合，对所述初始模型的所述需更新参数进行同一参数的梯度数据的平均值计算，得到第二待更新的梯度数据集合；

从所述参数备份库中获取参数，作为第二待计算的参数集合；

基于所述第一精度浮点数，根据所述第二待更新的梯度数据集合和所述第二待计算的参数集合，分别对所述初始模型的所述需更新参数进行同一参数的相加计算，得到第二待更新的参数集合；

根据所述第二待更新的参数集合更新所有所述初始模型的所述需更新参数；

根据所述第二待更新的参数集合更新所述参数备份库；

所述采用半精度训练策略，根据所述目标训练样本子集合对初始模型进行训练的步骤之前，还包括：

将Resnet网络的第一卷积块、第二卷积块、第三卷积块和第四卷积块作为待连接的降采样子模型；

将所述Resnet网络的平均池化层、全连接层和softmax层作为待连接的影像上下文捕捉子模型；

将所述待连接的降采样子模型和所述待连接的影像上下文捕捉子模型进行依次连接，得到所述初始模型；

所述Resnet网络的第一卷积块包括：卷积层和最大池化层，所述Resnet网络的第二卷积块包括：残差模块，所述Resnet网络的第三卷积块包括：降采样残差模块和所述残差模块，所述Resnet网络的第四卷积块包括：所述降采样残差模块和所述残差模块。

2.根据权利要求1所述的遥感影像标的查勘模型的训练方法，其特征在于，所述基于所述第一精度浮点数，根据所述参数备份库和所述待处理的损失值集合更新所述初始模型的所述需更新参数的步骤，包括：

当所述目标训练样本子集合中包括一个所述训练样本时，基于所述第二精度浮点数，根据所述待处理的损失值集合中的待处理的损失值对所述初始模型的所述需更新参数进行参数梯度计算，得到第一待更新的梯度数据集合；

从所述参数备份库中获取参数，作为第一待计算的参数集合；

基于所述第一精度浮点数，根据所述第一待更新的梯度数据集合和所述第一待计算的参数集合，分别对所述初始模型的所述需更新参数进行同一参数的相加计算，得到第一待更新的参数集合；

根据所述第一待更新的参数集合更新所述初始模型的所述需更新参数；

根据所述第一待更新的参数集合更新所述参数备份库。