| 43 | 0 | 277 |
| 下载次数 | 被引频次 | 阅读次数 |
现有的遥感图像处理方法依赖于有监督训练，模型精度严重依赖于标签数据。基于现有的深度学习编码-解码语义分割架构，提出一种双模型交叉验证的半监督遥感图像语义分割方法。首先利用少量标签图像对两组模型进行有监督训练迭代模型参数，其次大量的无标签数据分别通过两组模型得到对应伪标签，最后利用伪标签进行模型间交叉监督训练。实验结果表明，该方法利用了大量的无标签数据用于深度学习模型训练，有效降低了模型训练所需的标签成本。
Abstract：Most of the remote sensing image processing methods rely on supervised training, and the model accuracy depends on the labeled data.Based on the deep learning encoding-decoding semantic segmentation architecture, we proposed a semi-supervised remote sensing image semantic segmentation method with two-model cross-validation. Firstly, we used a small number of labeled images to iterate the model parameters for supervised training. And then, we let the unlabeled data pass through the two models to get the pseudo-labels. Finally, we used the pseudo-labels to perform cross-supervised training. Experimental result shows that the method uses the unlabeled data to train deep learning model, effectively reducing the training cost.
[1]孙航，方帅领，但志平，等.层级特征交互与增强感受野双分支遥感图像去雾网络[J].遥感学报，2023,27(12):2831-2846
[2]Kliestik T,Musa H,Machova V,et al. Remote Sensing Data Fusion Techniques,Autonomous Vehicle Driving Perception Algorithms, and Mobility Simulation Tools in Smart Transportation Systems[J]. Contemporary Readings in Law and Social Justice,2022,14(1):137-152
[3]Chen Q,Li H,Lu G. Training Esrgan with Multi-scale Attention U-Net Discriminator[J]. Scientific Reports,2024,14(1):29036
[4]肖泽标，梁杰文.基于改进DeepLabV3+的高分辨率卫星影像分割方法[J].测绘标准化，2024,40(3):50-57
[5]Tarvainen A,Valpola H. Mean Teachers are Better Role Models:Weight-averaged Consistency Targets Improve Semi-supervised Learning Results[J].Advances in Neural Information Processing Systems,2017(10):1195-1204
[6]Sohn K,Berthelot D,Carlini N,et al. Fix Match:Simplifying Semi-supervised Learning with Consistency and Confidence[J]. Advances in Neural Information Processing Systems,2020,33(12):596-608
[7]陈杰，王宁，李想，等.多模态数据增强的遥感影像半监督分割网络Semi-remoteNet[J].遥感技术与应用，2023,38(2):345-356
[8]王俊迪，赵慧，罗耀华，等.深度学习在植被高光谱遥感中的研究综述[J].遥感信息，2024,39(4):11-22
[9]成浩维，资文杰，彭双.基于半监督学习的三维Mesh建筑物立面提取与语义分割方法[J].郑州大学学报(理学版)，2023,55(4):8-15
[10]冯权泷，陈泊安，李国庆.遥感影像样本数据集研究综述[J].遥感学报，2022,26(4):589-605
[11]Liang P,Chen J,WuY,et al. Data Free Knowledge Distillation with Feature Synthesis and Spatial Consistency for Image Analysis[J]. Scientific Reports,2024,14(1):27557
[12]单飞龙，吕鹏远，李梦晨.基于CNN-transformer半监督交叉学习的遥感图像场景分类方法[J].宁夏大学学报(自然科学版)，2024,45(3):325-332
[13]王永财，万华伟，高吉喜，等.基于深度学习语义分割模型的草地植被盖度估算对比研究[J].环境科学研究，2024,37(10):2299-2309
[14]向儒萱毅.基于深度神经网络的海陆中尺度对流系统多光谱遥感图像识别[D].南京.南京信息工程大学，2024
基本信息:
中图分类号:TP751
引用信息:
[1]李昊燔,黎娟,孔令寅.交叉验证的半监督遥感图像分割方法[J].地理空间信息,2026,24(04):126-129.
基金信息:
全国教育科学规划重点课题资助项目（DJA200310）; 陕西省教育科学规划课题（SGH23Y3003）; 西安航空职业技术学院校级课题（23XHZK-24）; 西安航空职业技术学院2021年度科技创新团队资助项目（KJTD21-001）
2026-04-28
2026-04-28