[发明专利]影像分割网络的训练方法和装置

说明书

本公开实施例提供一种影像分割网络的训练方法和装置，在训练目标影像分割网络时，基于初始影像分割网络提取的第一样本特征与初始影像超分网络提取的第二样本特征之间的差异训练目标影像分割网络，由于目标影像超分网络能够从遥感影像样本中提取出更细粒度的特征，因此，能够通过目标影像超分网络提取的细粒度的特征来辅助目标影像分割网络进行特征提取，使得训练得到的目标影像分割网络提取的特征也更加细致，达到对目标影像分割网络的隐式细化效果，从而提高目标影像分割网络的特征提取能力，进而提高地表制图的准确度。

技术领域

本公开涉及计算机视觉技术领域，尤其涉及影像分割网络的训练方法和装置。

背景技术

地表覆盖制图用于根据一个区域的影像对该区域的地表覆盖类别进行划分，并生成该区域的地表覆盖分布图来表示这些类别的地表覆盖在地图上的分布。相关技术中在进行地表覆盖制图时，一般先获取遥感影像，再通过神经网络对遥感影像进行影像分割，以确定遥感影像中各个像素点的地表覆盖类别。然而，在遥感影像分辨率较低的情况下，会导致地表覆盖制图的准确性较低。

发明内容

本公开提供一种影像分割网络的训练方法和装置。

第一方面，本公开实施例提供一种地表覆盖制图方法，所述方法包括：将遥感影像输入目标影像分割网络；通过所述目标影像分割网络获取所述遥感影像对应的地表覆盖分布图，所述地表覆盖分布图中包括所述遥感影像中各像素点对应的地表覆盖类别；所述目标影像分割网络基于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与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，所述初始影像超分网络用于基于所述第二样本特征对所述遥感影像样本进行超分辨率处理。

在一些实施例中，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。

在一些实施例中，所述目标影像分割网络基于以下方式训练得到：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。

在一些实施例中，所述目标损失通过对所述第一损失、第二损失和第三损失进行加权得到。

在一些实施例中，所述方法还包括：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。