[发明专利]一种高分辨率遥感图像实例分割模型的训练方法及装置

权利要求书

1.一种高分辨率遥感图像实例分割模型的训练方法，其特征在于，包括：

获取有标签的第一遥感图像和无标签的第二遥感图像；

将所述第一遥感图像和所述第二遥感图像输入至初始高分辨率遥感图像实例分割模型；所述初始高分辨率遥感图像实例分割模型包括：监督分支网络和一致性分支网络；

基于所述监督分支网络对所述第一遥感图像进行处理，并根据处理结果得到所述监督分支网络的监督损失函数；

基于所述一致性分支网络对所述第一遥感图像和所述第二遥感图像进行处理，并根据处理结果得到所述一致性分支网络的一致性损失函数；

基于所述监督损失函数和所述一致性损失函数，计算得到模型损失函数；

根据所述模型损失函数调整所述初始高分辨率遥感图像实例分割模型的模型参数，并迭代上述过程，直至得到目标高分辨率遥感图像实例分割模型。

2.根据权利要求1所述的方法，其特征在于，所述一致性分支网络包括：特征提取骨干网络层、区域生成网络、边界框特征提取器、边界框预测模块和掩膜预测器，其中，

所述基于所述一致性分支网络对所述第一遥感图像和所述第二遥感图像进行处理，并根据处理结果得到所述一致性分支网络的一致性损失函数，包括：

对所述第一遥感图像和所述第二遥感图像进行水平翻转处理，分别得到第一翻转图像和第二翻转图像；

调用所述特征提取骨干网络层对所述第一翻转图像和所述第二翻转图像分别进行图像特征提取处理，得到相应的第一特征图和第二特征图；

调用所述区域生成网络预测得到所述第一特征图对应的第一候选框和所述第二特征图对应的第二候选框；

调用所述边界框特征提取器提取所述第一特征图中的所述第一候选框对应的第一候选框特征，及所述第二特征图中的所述第二候选框对应的第二候选框特征；

调用所述边界框预测模块对所述第一候选框特征进行处理，得到第一类别概率分数向量和第一位置偏移变化量，并对所述第二候选框特征进行处理，得到第二类别概率分数向量和第二位置偏移变化量；

调用所述掩膜预测器对所述第一类别概率分数向量和所述第一位置偏移变化量进行处理，得到所述一致性损失函数。

3.根据权利要求1所述的方法，其特征在于，所述基于所述监督损失函数和所述一致性损失函数，计算得到模型损失函数，包括：

获取所述一致性损失函数对应的损失权重；

基于所述监督损失函数、所述一致性损失函数和所述损失权重，计算得到所述模型损失函数。

4.根据权利要求2所述的方法，其特征在于，所述对所述第一遥感图像和所述第二遥感图像进行水平翻转处理，分别得到第一翻转图像和第二翻转图像，包括：

以所述第一遥感图像和所述第二遥感图像的中线为轴翻转180度，得到所述第一翻转图像和所述第二翻转图像。

5.根据权利要求2所述的方法，其特征在于，所述一致性分支网络还包括：背景剔除模块，其中，

在所述调用所述掩膜预测器对所述第一类别概率分数向量和所述第一位置偏移变化量进行处理，得到所述第二预测目标实例，并对所述第二类别概率分数向量和所述第二位置偏移变化量进行处理，得到所述第三预测目标实例之前，还包括：

调用所述背景剔除模块根据所述第一类别概率分数向量和所述第二类别概率分数向量，剔除所述第一候选框和所述第二候选框中不符合要求的候选框。