CN119399581A 一种轻量级语义分割模型遥感样本优化方法 （中科星图数字地球合肥有限公司）

路900号中安创谷科技园一期A1楼36层一种轻量级语义分割模型遥感样本优化方法本发明公开了一种轻量级语义分割模型遥进行数据增强、构建轻量级的语义分割FCT网络利用步骤S2筛选出的数据集在预训练模型的基对样本进行纠偏和精化以及去除冗余样本的目2S1，在互联网中收集公开的遥感影像及其对应的分类标签组成语义分割的样本数据，S2，将步骤S1选出的经过纠偏和精化后所述编码器包括轻量级扩张瓶颈层模块，轻量级扩张瓶颈层结构由1*;;其中，X是解码器模块中最后一层扩张瓶颈层的输出特征，o(-)表示sigmoid函数，4.根据权利要求2所述的方法，其特征在于，步骤S13中的建3S132,利用Beta混合模型对两个质量评估指标分数结果进行建模，在图像级层面上将5.根据权利要求2所述的方法，其特征在于，步S142,计算干净样本的四至角点坐标以及样本的pure纯度一起利用Hierarchical样本优化模型的流程在像素级层面对样本进S146，利用训练好的样本优化的模型对所有样本S22，在样本数据库中随机选择25%的筛选出的具有8.一种计算机可读存储介质，其特征在于：介处理器从存储介质上读取并运行计算机程序以执行如权利要求1至7中任一项4[0003]现有深度学习语义分割方法在训练样本存在较多噪声时无法进行有效训练并将[0004]为了解决现有问题，本发明提供了一种轻量级语义分割S11，在互联网中收集公开的遥感影像及其对应的分类标签组成语义分割的样本5所述编码器模块包括轻量级扩张瓶颈层（LightweightDilatedBottleneck，出网络最后一层的概率图，之后分别计算LNscore和RCscore两个质量评估指标分数值；S132,利用Beta混合模型对两个质量评估指标分数结果进行建模，在图像级层面上将所有[0011]其中d为中间样本位置到周围近邻100个样本的欧式距离，为所有距离的平均干净样本覆盖的空间范围进行地理范围分区，计算干净样本的四至角点坐标以及样本的Hierarchicalclusteri6[0014]S146,利用训练好的样本优化的模型对所提出一种轻量化语义分割模型实现在存在大量样本情况下对模型完成快速训练，数据效率和模型可解释性等方面具有明显优势，特别适合在资源受限的设备上实时运行，提出一种利用置信度在像元层面可进一步识别样本中噪声像元并去除噪声的方7图4为轻量级语义分割FCT网络中FeatureE[0024]在深度学习领域对遥感数据应用的研究越来越多，而遥感数据存在如数据量大、8S11，在互联网中收集公开的遥感影像及其对应的分类标签组成语义分割的样本9fx(-)表示卷积核为1*1的卷积操作，为维度压缩后的输出矩阵，为使用分解卷积像素注意力(PixelAttention,PA)机制:像素注意力机制根据不同像元位置特i()输入特征图在两个分支中首先分别进行平均池化和最大池化和维度降低的操作，[0038]其中，为扩张瓶颈层LDB模块的输出矩阵，o()表示sigmoid激活函数，维度的输出矩阵,表示卷积核为3*3的卷积操作,concat(-)表示特征拼接操出网络最后一层的概率图，之后分别计算LNscore和RCscore两个质量评估指标分数值，[0044]RCscore分数定义为预测概率向量与真实标签向量之间的L2范数的平方的期望型参数，p(w,x)是模型对输入x影像数据的预测输出，yone-hot是真实标签的one_hot编刻的预测标签和真实标签L2范数平方的数学期望值，RC,(X,Y)表示计算的t时刻的RCS132,利用Beta混合模型对两个质量评估指标分数结果进行建模，在图像级层面Hierarchicalclusteri上述建筑物指数特征：归一化差异建筑指数(NormalizedDifferenceBuilt_upIndex,NDBI)，改进建筑指数(ModifiedBuildingIndex,MBI)，建筑水体指数(Built_up[0051]上述植被指数特征：归一化植被指数(NormalizedDifferenceVegetation(ModifiedSoilAdjustedVegetationIndex,MSAVI)，改进差异水体指数(ModifiedDifferenceWaterIndex,MDWI)，绿色归一化植被指数(GreenNormalizedDifference[0052]上述水体指数特征：归一化水体指数(NormalizedDifferenceWaterIndex,NDWI),修正的归一化水体指数(ModifiedNormalizedDiffe[0053]在上述的纹理特征有：角二阶矩（AngularSecondMoment,ASM对比度（Contrast相关性（Correlation熵（Entropy同质性（Homogeneity反差分矩阵（InverseDifferenceMoment,IDM差分熵（DifferenceEntropy在计算纹理特征中如下：[0058]针对每个类别的样本分别计算其与各自参考特征的光谱角，取范围在平均值±2判定的阈值是各分区内的所有预测结果和原标签计算的F1分数值的平均值的一个标准差中随机选择25%的筛选出的具有高置信度的优化后的样本，对这些样本用原标签进行替代[0068]综上，本发明通过FCT轻量级语义分割模型早期训练的预训练模型权重分别计算其他形式的存储介质中。示例性存储介质耦合到处理器以使得该处理器能从/向该存储介技术就被包括在介质的定义之中。如本文中所使用的盘(disk)和碟(disc)包括压缩碟[00