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。