-
公开(公告)号:CN113111716B
公开(公告)日:2023-06-23
申请号:CN202110275234.7
申请日:2021-03-15
Applicant: 中国科学院计算机网络信息中心 , 北京大学
IPC: G06V20/13 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种基于深度学习的遥感影像半自动标注方法和装置。该方法的步骤包括:基于公开遥感数据集,利用交叉熵损失函数预训练全卷积神经网络;采用预训练的全卷积神经网络对待标注的遥感影像进行预测,输出类别属性概率;根据类别属性概率计算遥感影像像素的不确定性度量值,设定阈值提取不确定像素;根据遥感影像分割的超像素中不确定像素的最小百分比筛选超像素作为推荐标注区域,对其进行人工标注;将推荐标注区域的人工标注和剩余区域的全卷积神经网络预测结果进行合并,得到最终标注结果。本发明能够使人工注释者免于繁重的手工绘制精确边界的负担,提高人工标注效率,还减少了标注工作量和人工标注的主观臆断。
-
-
公开(公告)号:CN113111716A
公开(公告)日:2021-07-13
申请号:CN202110275234.7
申请日:2021-03-15
Applicant: 中国科学院计算机网络信息中心 , 北京大学
Abstract: 本发明涉及一种基于深度学习的遥感影像半自动标注方法和装置。该方法的步骤包括:基于公开遥感数据集,利用交叉熵损失函数预训练全卷积神经网络;采用预训练的全卷积神经网络对待标注的遥感影像进行预测,输出类别属性概率;根据类别属性概率计算遥感影像像素的不确定性度量值,设定阈值提取不确定像素;根据遥感影像分割的超像素中不确定像素的最小百分比筛选超像素作为推荐标注区域,对其进行人工标注;将推荐标注区域的人工标注和剩余区域的全卷积神经网络预测结果进行合并,得到最终标注结果。本发明能够使人工注释者免于繁重的手工绘制精确边界的负担,提高人工标注效率,还减少了标注工作量和人工标注的主观臆断。
-
-