(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210161087.5 (22)申请日 2022.02.22 (71)申请人 南京恩博科技有限公司 地址 210000 江苏省南京市玄武区长江后 街6号东大科技园创业园长江楼B208 室 (72)发明人 陈崇锦　姚劲松　李叶松　徐晓昂　 封晓强　路小波　 (74)专利代理 机构 江苏瑞途律师事务所 32346 专利代理师 白晓宇 (51)Int.Cl. G06V 10/26(2022.01) G06V 10/44(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01)G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 森林场景分割模型的训练方法、 分割方法、 介质及设备 (57)摘要 本发明公开了一种森林场景分割模型的训 练方法、 分割方法、 介质及设备， 属于深度学习技 术领域。 包括利用第一特征提取模块进行特征提 取得到第一特征表示； 将所述第一特征表示输入 分类头； 将第一特征表示输入第一映射模块得到 第一映射特征并作用采样策略， 得到采样映射特 征； 将采样映射特征与特征向量库中各类别特征 进行比对， 计算对比相似度； 将所述第一映射特 征输入预测模块得到预测特征表 示； 将输入图像 进行特征增强后输入第二特征提取模块进行特 征提取得到第二特征表示； 将第二特征表示输入 第二映射模块得到第二映射特征； 计算所述预测 特征表示与第二映射特征的相似性。 本发明提高 了森林场景分割模型的精度和泛化能力。 权利要求书2页 说明书7页 附图2页 CN 114529725 A 2022.05.24 CN 114529725 A 1.一种森林场景分割模型的训练方法， 其特 征在于， 包括： 将输入图像输入第一特 征提取模块进行 特征提取， 得到第一特 征表示； 将所述第一特 征表示输入分类头， 得到分类掩码和分类置信度； 将第一特 征表示输入第一映射模块， 得到第一映射特 征； 将所述第一映射特 征作用采样策略， 得到采样映射特 征； 特征向量库中的特征经过中心距离排序， 给特征向量库中各特征赋予不同权重， 所述 采样映射特 征与特征向量库中各类别特 征进行比对， 计算对比相似度； 将所述第一映射特 征输入预测模块， 得到预测特 征表示； 将输入图像进行特征增强后输入第二特征提取模块进行特征提取， 得到第二特征表 示； 将第二特 征表示输入第二映射模块， 得到第二映射特 征； 计算所述预测特 征表示与第二映射特 征的相似性。 2.根据权利要求1所述的训练方法， 其特征在于， 将所述第一映射特征作用采样策略， 得到采样映射特 征的方法为： 根据所述分类掩码和参考分类掩码进行比对， 筛选出分类结果错误以及 分类结果对但 分类置信度低于阈值的像素对应特 征。 3.根据权利要求2所述的训练方法， 其特征在于， 所述特征向量库中的特征经过中心距 离排序， 给向量库中各 特征赋予不同权 重的方法为： 特征向量库中， 各类别进行求和平均， 得到各类别的特 征中心； 对每个类别中的每个特征， 根据离类别的特征中心的归一化L2距离由近到远进行排 序； 将每个类别中的离 中心距离最大值减去每个特征的距离， 指数化并 除以同类距离均值 后， 得到每 个特征的权重。 4.根据权利要求3所述的训练方法， 其特征在于， 所述采样映射特征与 特征向量库中各 类别特征进行比对， 计算对比相似度的方法为： 其中， e表示某个采样映射特征， e+表示与该特征属于同类别的特征， 称为正样本； e‑表 示与该特征属于不同类别的特征， 称为负样本； 表示正样本的特征权重， 表示负样 本的特征权重； 是正样本特征集合， 表示正样本特征的个数； 表示采样映射特征集 合， N表示其个数， Contr是表 示了采样后的特征与特征库中各类特征的对比相似度综合值； τ表示温度系数。 5.根据权利要求4所述的训练方法， 其特征在于， 计算所述预测特征表示与第 二映射特 征的相似性的方法： 其中， z1为预测特征表示， y2为第二映射特征， || ·||2表示欧氏距离， Cons表示二者的 余弦相似性。 6.根据权利要求1 ‑5任一项所述的训练方法， 其特征在于， 还包括利用特征向量库， 保权　利　要　求　书 1/2 页 2 CN 114529725 A 2存森林场景中各种类别的特征表示， 将第一映射特征经过过滤器过滤， 将过滤后的特征放 入特征向量库中， 进行实时更新。 7.根据权利要求6所述的训练方法， 其特征在于， 对根据 特征置信度实时更新特征向量 库的方法为： 从第一映射特征中取出分类正确和置信度大于阈值的特征， 加入到特征向量库中， 进 行向量库的更新。 8.一种森林场景分割方法， 采用权利要求1 ‑7任一项所述的森林场景分割模型的训练 方法训练出的森林场景分割模型对森林场景进行分割， 所述森林场景分割模型包括训练好 的第一特 征提取模块； 其特 征在于， 包括： 获取森林场景图像； 将所述森林场景图像输入训练好的森林场景分割模型中， 输出分割结果。 9.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质存储有计算机程 序指令， 所述计算机程序指令在被处理器运行时使得所述处理器执行如权利要求1 ‑7中任 一项所述的森林场景分割模型的训练方法； 或权利要求8所述的森林场景分割方法。 10.一种电子设备， 其特征在于， 包括权利要求9所述的计算机可读存储介质， 以及处理 器， 所述处 理器能够执 行存储于计算机可读存 储介质中的计算机程序指令 。权　利　要　求　书 2/2 页 3 CN 114529725 A 3