公开(公告)号：CN114743109B

公开(公告)日：2024-07-02

申请号：CN202210461115.5

申请日：2022-04-28

Applicant: 湖南大学

Inventor： 李树涛 ,  谢雨欣 ,  方乐缘 ,  付巍

IPC: G06V20/10 ,  G06V10/25 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0895 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/0455

Abstract: 本发明公开了一种多模型协同优化高分遥感图像半监督变化检测方法及系统，包括将有标签训练集XL训练孪生神经网络模型S，得到有标签训练模型S(XL,θ)，加入蒙特卡罗移除层，对无标签训练集XU进行多模型协同预测并筛选生成伪标签训练集X'U；为有标签训练集XL选择显著变化区域并剪裁到伪标签训练集X'U中得到增强的伪标签数据集XM；将有标签训练集XL和增强的伪标签数据集XM共同训练孪生神经网络模型S。本发明只需要少量的标签就可完成较高精度的变化检测，能够结合真实标签与伪标签，利用监督学习改进半监督学习过程，增加了更多的边缘数据，并且使正负样本分布更平衡，提升了变化检测性能。

公开(公告)号：CN114743109A

公开(公告)日：2022-07-12

申请号：CN202210461115.5

申请日：2022-04-28

Applicant: 湖南大学

Inventor： 李树涛 ,  谢雨欣 ,  方乐缘 ,  付巍

IPC: G06V20/10 ,  G06V10/25 ,  G06V10/764 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种多模型协同优化高分遥感图像半监督变化检测方法及系统，包括将有标签训练集XL训练孪生神经网络模型S，得到有标签训练模型S(XL,θ)，加入蒙特卡罗移除层，对无标签训练集XU进行多模型协同预测并筛选生成伪标签训练集X'U；为有标签训练集XL选择显著变化区域并剪裁到伪标签训练集X'U中得到增强的伪标签数据集XM；将有标签训练集XL和增强的伪标签数据集XM共同训练孪生神经网络模型S。本发明只需要少量的标签就可完成较高精度的变化检测，能够结合真实标签与伪标签，利用监督学习改进半监督学习过程，增加了更多的边缘数据，并且使正负样本分布更平衡，提升了变化检测性能。