[发明专利]地物分类方法、装置、设备、介质及计算机程序产品

说明书

本发明涉及图像处理技术领域，本发明提供一种地物分类方法、装置、设备、介质及计算机程序产品，该方法包括：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；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。本发明设计的地物分类方法流程不受天气等外在因素影响，无需人工事先设计和提取图像中目标的特征，减少了人力。

技术领域

本发明涉及图像处理技术领域，尤其涉及一种地物分类方法、装置、设备、介质及计算机程序产品。

背景技术

SAR（Synthetic Aperture Radar，合成孔径雷达）通过发射电磁波获取地物的后向散射成像，是当前对地观测的主要手段之一，在目标识别、地物分类、国土资源规划等多个领域都有广泛的应用。由于星载SAR在基础数据调查和基础图像采集方面具有先天优势，然而现有用于地物分类的方案受天气等外在因素的影响，且需要人工事先设计和提取SAR图像中目标的特征，增加了人力。

发明内容

本发明提供一种地物分类方法、装置、设备、介质及计算机程序产品，用以解决现有用于地物分类的方案受天气等外在因素的影响，且增加人力的技术问题。

本发明提供一种地物分类方法，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；

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。

根据本发明提供的一种地物分类方法，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；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；

将所述目标特征图输入到所述自注意力模块，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。

根据本发明提供的一种地物分类方法，所述将所述目标特征图输入到所述自注意力模块，得到所述自注意力模块输出的增强特征图包括：

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。

根据本发明提供的一种地物分类方法，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；