买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：广西环保产业投资集团有限公司

摘要：本发明提供一种基于半监督主动学习的树冠提取方法、装置及介质，涉及树冠识别技术领域；本发明基于伪样本筛选策略，通过Teacher网络筛选出合适的伪样本，利用筛选后的伪样本和已标注训练影像对Student网络进行训练，并采用半监督主动学习将模型参数以传递的方式进行交互学习，递进式地促进网络性能的提升，节约了大量人工标注成本和时间成本。

主权项：1.一种基于半监督主动学习的树冠提取方法，其特征在于，包括如下步骤：S1、构建训练影像集，所述训练影像集包括含有树冠信息的多个已标注训练影像和多个未标注训练影像；S2、通过多个所述已标注训练影像对预构建的Swin-CRCNN模型进行训练，基于训练后的Swin-CRCNN模型构建具有相同配置和模型参数的Teacher网络和Student网络；S3、通过所述Teacher网络对多个所述未标注训练影像进行伪样本筛选，通过筛选得到的伪样本和多个所述已标注训练影像对所述Student网络进行训练，并将训练后的Student网络的模型参数更新到所述Teacher网络中，得到最优Teacher网络；S4、将含有树冠信息的待提取影像导入所述最优Teacher网络中，通过所述最优Teacher网络输出树冠提取结果；所述S3，具体为：S301、通过所述Teacher网络对多个所述未标注训练影像进行预测，得到预测结果，并基于伪样本筛选策略对所述预测结果进行筛选，得到初始伪样本；通过所述初始伪样本和多个所述已标注训练影像对所述Student网络进行初始训练，并将初始训练后的Student网络的模型参数更新到所述Teacher网络中，得到更新Teacher网络；S302、对所述初始伪样本进行弱数据增强处理，通过所述更新Teacher网络对弱数据增强处理后的初始伪样本进行预测，得到预测结果，并基于伪样本筛选策略对所述预测结果进行筛选，得到更新伪样本；对所述更新伪样本进行强数据增强处理，通过强数据增强处理后的更新伪样本和多个所述已标注训练影像对所述初始训练后的Student网络进行更新训练，并将更新训练后的Student网络的模型参数更新到所述更新Teacher网络中；S303、重复S302直至满足预设训练次数，得到最优Teacher网络；所述S301中，基于伪样本筛选策略对所述预测结果进行筛选，得到初始伪样本，具体为：通过非最大抑制算法NMS和置信度阈值ρ来过滤所述预测结果中不满足预设条件的伪标签；基于最小边际不确定性指标和平均复杂度指标对过滤后的预测结果进行筛选，具体为：所述最小边际不确定性指标通过所述过滤后的预测结果的置信度来度量，所述最小边际不确定性指标为： 其中，为最小边际不确定性，confcj为Teacher网络预测的第j个边界框中的最高置信度分数及其相应类别的最高置信度值，confcj`为Teacher网络预测的第j个边界框中的第二高置信度分数及其相应类别的第二高置信度值，为第i张影像中过滤后的预测边界框个数；所述平均复杂度指标通过所述过滤后的预测结果的概率分布熵来度量，所述平均复杂度指标为： 其中，为平均复杂度，Nc为对象类别个数，pck；bj为Teacher网络对第k个类别的预测概率；对所述最小边际不确定性指标和所述平均复杂度指标进行归一化融合处理，根据归一化指标值计算影像的信息力，并根据得到的影像信息力划分出初始伪样本。

全文数据：

权利要求：

百度查询： 广西环保产业投资集团有限公司 一种基于半监督主动学习的树冠提取方法、装置及介质