公开(公告)号：CN115035293A

公开(公告)日：2022-09-09

申请号：CN202210567764.3

申请日：2022-05-24

申请人： 国家海洋环境监测中心 ,  大连工业大学

发明人： 范剑超 ,  周健林 ,  王心哲 ,  高宁 ,  马玉娟 ,  王林

IPC分类号： G06V10/26 ,  G06V10/762 ,  G06V10/82 ,  G06V20/00 ,  G06T5/00 ,  G06T5/10 ,  G06T5/20 ,  G06T5/40 ,  G06N3/04 ,  G06N3/08

摘要： 本发明提供一种无监督深度学习的SAR影像海水养殖智能提取方法，属于海洋遥感与人工智能交叉技术领域，其特征是：1)建立双网络无监督深度学习结构，包含特征提取网络和全卷积语义分割网络；2)提出超像素分割结果与深度特征块判断方法，生成含有海水养殖边缘语义信息的伪标签；3)开展双网络交替更新，实现伪标签不断更新优化，逐步生成更精确的海水养殖提取结果。本发明的效果和益处是实现无需任何标签样本的深度学习网络海水养殖智能提取，有效解决了传统无监督方法精度低，有监督深度学习方法依赖于海量标记样本的难题，避免了合成孔径雷达影像中相干斑噪声的干扰，有效提高了无监督语义海水养殖提取精度。

公开(公告)号：CN115578645A

公开(公告)日：2023-01-06

申请号：CN202211084666.0

申请日：2022-09-06

申请人： 国家海洋环境监测中心

发明人： 范剑超 ,  于航 ,  高宁 ,  周健林 ,  马玉娟 ,  王祥

IPC分类号： G06V20/13 ,  G06V10/26 ,  G06V10/774 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

摘要： 一种半监督循环一致性生成对抗网络的SAR影像浮筏养殖信息提取方法，首先，对SAR影像进行预处理，增强养殖信息显著性差异特征；其次，构建具有正向训练网络与逆向训练网络的循环一致性生成对抗网络，实现标签的重复利用，并且增加半监督判别器，将正向训练网络与逆向训练网络相结合，通过生成伪标签来加强训练，实现以逆向训练网络的输出来加强正向训练网络的目的；最后，使用偏置卷积块加强养殖区模糊边界的分割效果，提高养殖信息提取的精度。本发明能够解决制作标签无法重复利用的问题，利用搭建的半监督判别器能够解决因训练过程中混淆标签而导致养殖预测图精度不高的问题；可利用该方法对SAR影像进行浮筏养殖信息提取工作。