[发明专利]地物分类方法、装置、设备、介质及计算机程序产品

权利要求书

1.一种地物分类方法，其特征在于，包括：

对目标图像数据集进行标注和增广，得到训练数据集、验证数据集和测试数据集；

将所述训练数据集输入到地物语义分割框架进行迭代网络训练，得到训练结果，所述地物语义分割框架包括主干网络、自注意力模块、伪标签预测模块和图像分割模块；

基于所述验证数据集验证所述训练结果，得到验证结果；

在所述验证结果符合预设条件的情况下，将所述测试数据集输入到训练后的地物语义分割框架，得到地物分类结果；

所述将所述训练数据集输入到地物语义分割框架进行迭代网络训练，得到训练结果包括：

将所述训练数据集输入到所述主干网络，得到所述主干网络输出的目标特征图；

对所述目标特征图进行第一嵌入权重变换，得到关键特征图和查询特征图；

对所述关键特征图和查询特征图进行重塑操作、矩阵乘操作以及逻辑回归操作，得到自注意力特征图；

对所述目标特征图进行第二嵌入权重变换，得到显著性特征图，将所述自注意力特征图与所述重塑操作后的显著性特征图进行所述矩阵乘操作，得到上下文注意力图；

将所述上下文注意力图与所述重塑操作后的目标特征图进行所述矩阵乘操作，得到矩阵乘结果；

将所述目标特征图与所述重塑操作后的矩阵乘结果进行元素求和，得到所述自注意力模块输出的增强特征图；

根据所述伪标签预测模块和所述增强特征图，确定伪标签；

基于所述图像分割模块、所述增强特征图以及所述伪标签进行迭代网络训练，得到训练结果。

2.根据权利要求1所述的地物分类方法，其特征在于，所述根据所述伪标签预测模块和所述增强特征图，确定伪标签包括：

通过所述伪标签预测模块对应的全局平均池化层，确定所述增强特征图对应的特征向量；

将所述特征向量与所述伪标签预测模块对应的权重矩阵进行点积，得到点积结果；

根据所述点积结果以及所述伪标签预测模块对应的全连接层，生成类激活图；

对通过所述类激活图生成的种子区域进行筛选，得到伪标签。

3.根据权利要求1所述的地物分类方法，其特征在于，所述基于所述验证数据集验证所述训练结果，得到验证结果包括：

基于所述训练结果，确定所述伪标签预测模块对应的第一损失，所述自注意力模块对应的第二损失，所述图像分割模块对应的第三损失；

根据所述第一损失、第二损失以及第三损失，确定验证结果。

4.根据权利要求1所述的地物分类方法，其特征在于，所述对目标图像数据集进行标注和增广，得到训练数据集、验证数据集和测试数据集包括：

对目标图像数据集进行图像增广，得到增广图像数据集；

基于预设尺寸对所述增广图像数据集中的图像进行裁剪，对裁剪后的图像进行类别标注；

基于预设比例对所述类别标注后的增广图像数据集进行划分，得到训练数据集、验证数据集和测试数据集。