[发明专利]影像分割网络的训练方法和装置

权利要求书

1.一种影像分割网络的训练方法，其特征在于，所述方法包括：

获取初始影像分割网络从遥感影像样本中提取的第一样本特征以及初始影像超分网络从所述遥感影像样本中提取的第二样本特征；

对所述初始影像分割网络和所述初始影像超分网络进行联合训练，得到目标影像分割网络和目标影像超分网络，所述目标影像分割网络基于所述初始影像分割网络从所述遥感影像样本中提取的第一样本特征与所述初始影像超分网络从所述遥感影像样本中提取的第二样本特征之间的差异训练得到。

2.根据权利要求1所述的方法，其特征在于，所述遥感影像样本包括第一通道，还包括第二通道和第三通道中的至少一者；其中，

所述第一通道包括所述遥感影像样本的光谱特征；

所述第二通道包括所述遥感影像样本中各像素点的地形特征；

所述第三通道包括所述遥感影像样本中各像素点的地理位置特征。

3.根据权利要求1或2所述的方法，其特征在于，所述对所述初始影像分割网络和所述初始影像超分网络进行联合训练，得到目标影像分割网络和目标影像超分网络，包括：

通过所述初始影像分割网络获取所述遥感影像样本中各像素点对应的预测地表覆盖类别，确定所述遥感影像样本中各个像素点的预测地表覆盖类别与真实地表覆盖类别之间的第一损失；

通过所述初始影像超分网络获取所述遥感影像样本对应的超分影像，确定所述超分影像与参考影像之间的第二损失，所述参考影像与所述遥感影像样本为同一区域的遥感影像，且所述参考影像的分辨率高于所述遥感影像样本的分辨率；

获取所述初始影像分割网络从所述遥感影像样本中提取的第一样本特征与所述初始影像超分网络从所述遥感影像样本中提取的第二样本特征之间的第三损失；

基于所述第一损失、第二损失和第三损失生成目标损失，基于所述目标损失对所述初始影像分割网络和所述初始影像超分网络进行联合训练，得到所述目标影像分割网络和所述目标影像超分网络。

4.根据权利要求3所述的方法，其特征在于，所述基于所述第一损失、第二损失和第三损失生成目标损失，包括：

对所述第一损失、第二损失和第三损失进行加权平均，得到目标损失。

5.根据权利要求1-4任一所述的方法，其特征在于，所述获取初始影像分割网络从遥感影像样本中提取的第一样本特征以及初始影像超分网络从所述遥感影像样本中提取的第二样本特征，包括：

获取所述初始影像分割网络中的第一初始特征提取子网络对所述遥感影像样本进行特征提取得到的所述遥感影像样本的第一样本特征，所述第一样本特征用于所述初始影像分割网络中的初始影像分割子网络获取所述遥感影像样本对应的地表覆盖分布图；

获取所述初始影像超分网络中的第二初始特征提取子网络对所述遥感影像样本进行特征提取得到的所述遥感影像样本的第二样本特征，所述第二样本特征用于所述初始影像超分网络中的初始影像超分子网络对所述遥感影像样本进行超分辨率处理。

6.根据权利要求5所述的方法，其特征在于，所述第一初始特征提取子网络包括特征提取单元和第一卷积处理单元，所述特征提取单元用于对所述遥感影像样本进行特征提取，得到所述遥感影像样本的初始样本特征，所述第一卷积处理单元用于对所述初始样本特征进行卷积处理，得到所述第一样本特征；

所述第二初始特征提取子网络包括所述特征提取单元、第二卷积处理单元和上采样单元，所述第二卷积处理单元用于对所述初始样本特征进行卷积处理，所述上采样单元用于对所述第二卷积处理单元输出的特征进行上采样处理，得到所述第二样本特征；

其中，所述特征提取单元包括多个并联的特征提取分支，不同的特征提取分支用于输出不同分辨率的特征，所述初始样本特征包括各个特征提取分支输出的特征。

7.根据权利要求6所述的方法，其特征在于，所述方法还包括：

将所述多个并联的特征提取分支分别输出的特征上采样到同一分辨率；

对各个特征提取分支对应的上采样后的特征进行合并，得到所述初始样本特征，其中，所述初始样本特征的通道数等于各个特征提取分支输出的特征的通道数之和。