一种特征自适应对齐的无监督域适应遥感图像语义分割方法
授权
摘要
本发明提供了一种基于对抗学习框架的深度学习无监督域适应遥感图像语义分割方法。该方法总体上包括语义分割模型(Segmentation model)和域判别器(Domain discriminator)两大模块，采用Pytorch深度学习框架进行训练，通过域判别器完成分割模型提取的目标域特征在输出空间向源域特征对齐，从而使得分割模型能够提升在目标域图像上的分割性能。根据遥感影像不同类别、不同区域变化剧烈的特点，本发明在域判别器中加入了类明确模块(CCM)与基于熵的区域注意力模块(ERAM)。二者能够使得不同类别、不同区域的特征能自适应的一起合适的方式在输出空间对齐到源域的特征分布。
基本信息
专利标题 ：
一种特征自适应对齐的无监督域适应遥感图像语义分割方法
专利标题（英）：
暂无
公开（公告）号 ：
CN113378906A
申请号 ：
CN202110623160.1
公开（公告）日 ：
2021-09-10
申请日 ：
2021-06-04
授权号 ：
CN113378906B
授权日 ：
2022-05-13
发明人 ：
种衍文谌晓姝潘少明
申请人 ：
武汉大学
申请人地址 ：
湖北省武汉市武昌区珞珈山武汉大学
代理机构 ：
武汉科皓知识产权代理事务所(特殊普通合伙)
代理人 ：
王琪
优先权 ：
CN202110623160.1
主分类号 ：
G06K9/62
IPC分类号 ：
G06K9/62 G06N3/08 G06K9/00
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06K
数据识别；数据表示；记录载体；记录载体的处理
G06K9/00
用于阅读或识别印刷或书写字符或者用于识别图形，例如，指纹的方法或装置
G06K9/62
应用电子设备进行识别的方法或装置
法律状态
2022-05-13 ：
授权
2021-09-28 ：
实质审查的生效
IPC(主分类) : G06K 9/62
申请日 : 20210604
申请日 : 20210604
2021-09-10 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
