一种面向遥感图像语义分割的深度学习模型的训练方法

摘要

本发明涉及一种面向遥感图像语义分割的深度学习模型的训练方法，该方法为：裁剪遥感图像以及对应的标签，生成训练样本集，构建深度学习模型架构，在训练样本集上训练出一个样本过滤模型，使用样本过滤模型对样本进行预测，得到预测结果，通过将预测结果和样本的对应标签进行对比，挑选出优质样本形成优质样本集，交替训练训练样本集和优质样本集，得到多个经过训练的预测模型，并组成模型池，获取任一张目标遥感图像，将目标遥感图像输入到模型池中，使用模型池预测出目标遥感图像中的要素，该方法简化了深度学习模型的搭建流程，加快了深度学习模型训练的速度，尤其适用于遥感图像训练样本标注质量低的情况。