本申請(qǐng)涉及模型訓(xùn)練技術(shù),尤其涉及一種分類模型的訓(xùn)練方法及地表覆蓋物的分類方法、裝置、電子設(shè)備。
背景技術(shù):
1、在生態(tài)研究中,森林覆蓋信息的監(jiān)測(cè)至關(guān)重要,現(xiàn)有技術(shù)中,監(jiān)測(cè)森林覆蓋信息時(shí),通常采用中分辨率衛(wèi)星圖像,但由于數(shù)據(jù)來(lái)源和建模方法的局限性,由這些中分辨率衛(wèi)星圖像構(gòu)成的數(shù)據(jù)集通常存在相當(dāng)大的分類誤差,如此,便嚴(yán)重影響了分類模型的訓(xùn)練效果,進(jìn)而降低了森林覆蓋的分類準(zhǔn)確性。因此,如何提高分類模型的訓(xùn)練效果,進(jìn)而提高森林覆蓋的分類準(zhǔn)確性,是一項(xiàng)亟待解決的技術(shù)問(wèn)題。
技術(shù)實(shí)現(xiàn)思路
1、本申請(qǐng)實(shí)施例期望提供一種分類模型的訓(xùn)練方法及地表覆蓋物的分類方法、裝置、電子設(shè)備。
2、本申請(qǐng)的技術(shù)方案是這樣實(shí)現(xiàn)的:
3、第一方面,本申請(qǐng)?zhí)峁┝艘环N分類模型的訓(xùn)練方法,所述方法包括:
4、確定地表圖像對(duì)應(yīng)的分類圖像,所述分類圖像包括:第一分類圖像和第二分類圖像,所述第一分類圖像包括多種覆蓋物的分類結(jié)果,所述第二分類圖像包括目標(biāo)覆蓋物的分類結(jié)果;
5、根據(jù)所述第一分類圖像對(duì)所述地表圖像進(jìn)行樣本選取,得到樣本圖像;
6、根據(jù)所述第二分類圖像中的所述目標(biāo)覆蓋物的分類結(jié)果,確定所述樣本圖像對(duì)應(yīng)的分類標(biāo)簽;
7、基于所述樣本圖像和所述樣本圖像對(duì)應(yīng)的分類標(biāo)簽,構(gòu)建數(shù)據(jù)集,并基于所述數(shù)據(jù)集對(duì)分類模型進(jìn)行訓(xùn)練,得到用于分類所述目標(biāo)覆蓋物的分類模型。
8、第二方面,本申請(qǐng)?zhí)峁┝艘环N地表覆蓋物的分類方法,所述方法包括:
9、獲取待分類的地表圖像;
10、將所述待分類的地表圖像輸入到用于分類目標(biāo)覆蓋物的分類模型,得到所述待分類的地表圖像中所述目標(biāo)覆蓋物對(duì)應(yīng)的分類結(jié)果;
11、所述用于分類目標(biāo)覆蓋物的分類模型是基于前述第一方面所述的分類模型的訓(xùn)練方法得到的。
12、第三方面,本申請(qǐng)?zhí)峁┝艘环N分類模型的訓(xùn)練裝置,所述裝置包括:
13、確定單元,用于確定地表圖像對(duì)應(yīng)的分類圖像,所述分類圖像包括:第一分類圖像和第二分類圖像,所述第一分類圖像包括多種覆蓋物的分類結(jié)果,所述第二分類圖像包括目標(biāo)覆蓋物的分類結(jié)果;
14、第一處理單元,用于根據(jù)所述第一分類圖像對(duì)所述地表圖像進(jìn)行樣本選取,得到樣本圖像;根據(jù)所述第二分類圖像中的所述目標(biāo)覆蓋物的分類結(jié)果,確定所述樣本圖像對(duì)應(yīng)的分類標(biāo)簽;基于所述樣本圖像和所述樣本圖像對(duì)應(yīng)的分類標(biāo)簽,構(gòu)建數(shù)據(jù)集;
15、訓(xùn)練單元,用于基于所述數(shù)據(jù)集對(duì)分類模型進(jìn)行訓(xùn)練,得到用于分類所述目標(biāo)覆蓋物的分類模型。
16、第四方面,本申請(qǐng)?zhí)峁┝艘环N地表覆蓋物的分類裝置,所述裝置包括:
17、獲取單元,用于獲取待分類的地表圖像;
18、第二處理單元,用于將所述地表圖像輸入到用于分類目標(biāo)覆蓋物的分類模型,得到所述地表圖像中所述目標(biāo)覆蓋物對(duì)應(yīng)的分類圖像;
19、所述用于分類目標(biāo)覆蓋物的分類模型是基于前述第一方面所述的分類模型的訓(xùn)練方法得到的。
20、第五方面,本申請(qǐng)?zhí)峁┝艘环N電子設(shè)備,包括:處理器和配置為存儲(chǔ)能夠在處理器上運(yùn)行的計(jì)算機(jī)程序的存儲(chǔ)器,
21、其中,所述處理器配置為運(yùn)行所述計(jì)算機(jī)程序時(shí),執(zhí)行前述第一方面或第二方面所述方法的步驟。
22、本申請(qǐng)實(shí)施例中提供了一種分類模型的訓(xùn)練方法及地表覆蓋物的分類方法、裝置、設(shè)備,該方法包括:確定地表圖像對(duì)應(yīng)的分類圖像,所述分類圖像包括:第一分類圖像和第二分類圖像,所述第一分類圖像包括多種覆蓋物的分類結(jié)果,所述第二分類圖像包括目標(biāo)覆蓋物的分類結(jié)果;根據(jù)所述第一分類圖像對(duì)所述地表圖像進(jìn)行樣本選取,得到樣本圖像;根據(jù)所述第二分類圖像中的所述目標(biāo)覆蓋物的分類結(jié)果,確定所述樣本圖像對(duì)應(yīng)的分類標(biāo)簽;基于所述樣本圖像和所述樣本圖像對(duì)應(yīng)的分類標(biāo)簽,構(gòu)建數(shù)據(jù)集,并基于所述數(shù)據(jù)集對(duì)分類模型進(jìn)行訓(xùn)練,得到用于分類所述目標(biāo)覆蓋物的分類模型。如此,便能根據(jù)第一分類圖像從地表圖像中選取有效的樣本圖像,根據(jù)第二分類圖像確定樣本圖像對(duì)應(yīng)的分類標(biāo)簽,從而構(gòu)建高質(zhì)量數(shù)據(jù)集,對(duì)分類模型進(jìn)行針對(duì)性訓(xùn)練,提高了模型訓(xùn)練的效率和效果,進(jìn)而提高了目標(biāo)覆蓋物的分類準(zhǔn)確性。
1.一種分類模型的訓(xùn)練方法,其特征在于,所述方法包括:
2.根據(jù)權(quán)利要求1所述的方法,其特征在于,所述確定地表圖像對(duì)應(yīng)的分類圖像,包括:
3.根據(jù)權(quán)利要求2所述的方法,其特征在于,所述根據(jù)所述每種覆蓋物的投票圖和投票閾值,確定每種覆蓋物的高一致性區(qū)域,包括:
4.根據(jù)權(quán)利要求2所述的方法,其特征在于,所述分類圖像還包括:第三分類圖像,所述第三分類圖像包括所述目標(biāo)覆蓋物的高一致性區(qū)域、中一致性區(qū)域和低一致性區(qū)域;
5.根據(jù)權(quán)利要求1所述的方法,其特征在于,所述根據(jù)所述第一分類圖像對(duì)所述地表圖像進(jìn)行樣本選取,得到樣本圖像,包括:
6.根據(jù)權(quán)利要求1所述的方法,其特征在于,所述基于所述數(shù)據(jù)集對(duì)分類模型進(jìn)行訓(xùn)練,得到用于分類所述目標(biāo)覆蓋物的分類模型,包括:
7.根據(jù)權(quán)利要求6所述的方法,其特征在于,所述基于所述數(shù)據(jù)集對(duì)分類模型進(jìn)行訓(xùn)練,得到用于分類所述目標(biāo)覆蓋物的分類模型,還包括:
8.根據(jù)權(quán)利要求4所述的方法,其特征在于,所述方法還包括:
9.根據(jù)權(quán)利要求1至8任一項(xiàng)所述的方法,其特征在于,所述分類模型為一種基于深度學(xué)習(xí)的分類模型,所述分類模型包括:光譜建模模塊、空間建模模塊和分類模塊;
10.一種地表覆蓋物的分類方法,其特征在于,所述方法包括:
11.一種分類模型的訓(xùn)練裝置,其特征在于,所述裝置包括:
12.一種地表覆蓋物的分類裝置,其特征在于,所述裝置包括:
13.一種電子設(shè)備,其特征在于,所述電子設(shè)備包括:處理器和配置為存儲(chǔ)能夠在處理器上運(yùn)行的計(jì)算機(jī)程序的存儲(chǔ)器,