龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：成都大学
申请日：2024-04-23
公开（公告）日：2024-06-21
公开（公告）号：CN118097669B
主分类号：G06V20/70
分类号：G06V20/70;G06V20/10;G06V10/25;G06V10/774;G06V10/776
优先权：
专利状态码：有效-授权
法律状态：2024.06.21#授权;2024.06.14#实质审查的生效;2024.05.28#公开
摘要：本发明公开了一种基于多模型耦合评估的遥感图像自动标注方法，包括如下步骤：S1，获取遥感图片数据集，进行人工精细标注，并进行所标注类别数量统计；S2，设定类别数量阈值，对类别数量小于阈值的类别，并扩充样本数量；S3，进行训练获取各自的最优模型权重参数，得到训练好的目标检测网络模型；通过评估指标确定最优准确率；S4，将待打标数据集，送入上述得到的最优模型中进行预测并生成标签文件；S5，对生成的标签文件进行筛选、分组及评估，输出原图和最终标签信息。本发明能在得到自动标注模型建模训练前扩充样本数量，防止建模前类别数量差异过大；另一方面能充分利用遥感图像背景先验知识，增加模型泛化能力。
主权项：1.一种基于多模型耦合评估的遥感图像自动标注方法，其特征在于，包括如下步骤：S1，获取遥感图片数据集，选取设定数量的数据集进行人工精细标注，并进行所标注类别数量统计；S2，设定类别数量阈值，对类别数量小于阈值的类别，提出并构建一种线下随机贴图增强算法以扩充样本数量；S3，基于已打标的原始数据集与贴图增强的数据集，将其按比例8:2划分为训练集与验证集，分别喂入不同的模型A、模型B、模型C进行训练获取各自的最优模型权重参数，得到训练好的目标检测网络模型；将验证集输入至训练好的模型，并通过评估指标确定各模型基于每个类别的最优准确率；S4，将所获取的图片数据集剩余的未打标图像作为待打标数据集，经预处理后分别送入目标检测网络模型中进行预测并生成标签文件；S5，根据每个模型对各个类别的偏向性，对生成的标签文件进行筛选、分组及评估，最终进行标签文件的合并，得到最优标签文件并输出原图和最终标签信息。
全文数据：
权利要求：
百度查询： 成都大学 一种基于多模型耦合评估的遥感图像自动标注方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号