CN114549909B 一种基于自适应阈值的伪标签遥感图像场景分类方法 （中科琉璃码(广东)信息科技有限公司）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN114549909B(45)授权公告日2025.07.11

(21)申请号202210209902.0

(22)申请日2022.03.03

(65)同一申请的已公布的文献号申请公布号CN114549909A

(43)申请公布日2022.05.27

(73)专利权人中科琉璃码(广东)信息科技有限

公司

地址523000广东省东莞市松山湖园区科

汇路1号1栋1403室

(72)发明人黄颖李汤升刘苏

(74)专利代理机构北京谦学知识产权代理事务所(普通合伙)50265

专利代理师刘晓丁

(51)Int.CI.

GO6V10/764(2022.01)

GO6V10/774(2022.01)

GO6V20/10(2022.01)

GO6V10/82(2022.01)

GO6N3/045(2023.01)

GO6N3/0475(2023.01)

GO6N3/094(2023.01)

(56)对比文件

CN110837850A,2020.02.25CN111414779A,2020.07.14审查员卜婷婷

权利要求书2页说明书7页附图2页

(54)发明名称

一种基于自适应阈值的伪标签遥感图像场景分类方法

(57)摘要

CN114549609B本发明属于遥感图像识别领域，特别涉及一种基于自适应阈值的伪标签遥感图像场景分类方法，包括先使用对抗生成网络对源域数据集进行初步的扩充，然后将扩充后的数据集在骨干网络中通过高斯引导将数据进行浅层对齐，之后接入一个具有两个分类器的伪标签模块生成目标域的伪标签；将两个分类方差正则化并作为自适应阈值对交叉熵损失进行修正，当主分类器和辅助分类器二者之间的预测距离很大时，就表示该标签是错误的，对于这种不确定的样本就不进行惩罚，即抛弃掉错误的标签样本，将预测距离较小的作为伪标签；之后得到带伪标签的目标域和源域送入域分辨器中，更好地拉近了源域和目标

CN114549609B

将遇够图像数据集划分为源域数据集和目标城数据集

将遇够图像数据集划分为源域数据集和目标城数据集，并将带

有真实标签的源域数据集输入到对抗生成网络中以扩充所述源

域数据集：

构建出包括特征提取器和分类器的第一场景分类网络，以及构

建出包括生成器和判别器的第二场景分类网络；并利用扩充后

的源域数据集对所述第一场景分类网络进行预训练；

采用预训练后的特征提取器提取目标域数据集在不同层级的数据特征，并通过高斯引导将浅层的数据特征对齐：

对预训练后的分类器进行复制，形成主分类器和辅助分类器，

将对齐后的目标域数据集中不同层级的数据特征输入到主分类

器和辅助分类器，并输出第一分类标签和第二分类标签；

根据目标域数据集的第一分类标签和第二分类标签，计算出两

个分类器之间的分类方差以及交叉熵损失；

对分类方差进行正则化处理，将方差正则化作为自适应阀值对

所述交叉熵进行修正，并利用修正后的交叉煽损失来更新第一

场景分类网络的模型参数，并确定出目标域数据的伪标签：

将带有伪标签的目标域数据和带有真实标签的源域数据输入至

第二场景分类网络中，利用对抗训练的方式来更新第二场景分

类网络的模型参数：

循环选代步豫S3S7,更新并优化预训练后的各个场景分类网

络模型参数，直至满足分类目标雷求，输出目标域数据集的遥

感图像场景分类结果。

CN114549909B权利要求书1/2页

2

1.一种基于自适应阈值的伪标签遥感图像场景分类方法，其特征在于，具体包括以下步骤：

S1、将遥感图像数据集划分为源域数据集和目标域数据集，并将带有真实标签的源域数据集输入到对抗生成网络中以扩充所述源域数据集；所述对抗生成网络中的生成网络接受一个随机噪声向量，目标是通过该随机噪声向量来生成与源域数据集类似的真实样本，对抗生成网络中的判别网络判断样本是其生成网络生成的还是真实的源域数据集样本，直至损失函数收敛，输出扩充后的源域数据集样本；所述损失函数表示为：V(G,D)=E~Pdata[logD(x)]+E?~Pz(2)[log(1-D(G(z))],其中，V(G,D)表示对抗生成网络中的生成器与判别器的对抗损失，E[]表示求期望，x～Pdata表示真实图像的分布；x表示真实样本，并通过判别网络D()判