近年來,隨著遙感技術(shù)的發(fā)展與進(jìn)步,越來越多的高分辨率遙感圖像可以被采集,因此基于深度學(xué)習(xí)的目標(biāo)檢測也被應(yīng)用到遙感圖像領(lǐng)域。然而高精度的目標(biāo)檢測器需要通過大量有標(biāo)簽數(shù)據(jù)進(jìn)行訓(xùn)練來獲得,而遙感圖像本身尺寸大且目標(biāo)數(shù)量極多,標(biāo)注成本限制了數(shù)據(jù)集規(guī)模的同時也限制了目標(biāo)檢測器的表現(xiàn)�，F(xiàn)實(shí)中存在著海量的無標(biāo)簽遙感圖像,本課題通過研究面向目標(biāo)檢測的不完全監(jiān)督學(xué)習(xí)算法,設(shè)計了主動學(xué)習(xí)算法對無標(biāo)簽數(shù)據(jù)的有效挖掘和選擇性標(biāo)注的同時引入半監(jiān)督學(xué)習(xí)算法對部分目標(biāo)實(shí)例進(jìn)行自動標(biāo)注,減少標(biāo)注成本的同時提升目標(biāo)檢測器的表現(xiàn)。首先,本課題研究了在同等標(biāo)注圖像數(shù)量下,如何定義主動學(xué)習(xí)目標(biāo)檢測任務(wù)中的目標(biāo)實(shí)例分類不確定度并整合圖像的不確定度以實(shí)現(xiàn)更高的檢測精度和相對標(biāo)注圖像節(jié)省率。我們在進(jìn)行實(shí)驗和分析后提出了相對標(biāo)注目標(biāo)節(jié)省率這一指標(biāo),可以對遙感圖像目標(biāo)檢測不完全監(jiān)督學(xué)習(xí)進(jìn)行更加精確的分析和指示,并以此指標(biāo)衡量論文的其他不完全監(jiān)督學(xué)習(xí)算法。其次,本課題對目標(biāo)檢測器的回歸信息進(jìn)行了分析并設(shè)計了目標(biāo)實(shí)例級的回歸不確定度,此不確定度可以通過目標(biāo)實(shí)例的尺寸評估對于目標(biāo)檢測器其信息量。通過與分類不確定度進(jìn)行結(jié)合,我們設(shè)計可以對不同... 

【文章來源】：哈爾濱工業(yè)大學(xué)黑龍江省 211工程院校 985工程院校

【文章頁數(shù)】：78 頁

【學(xué)位級別】：碩士

【部分圖文】：

目標(biāo)檢測任務(wù)示意圖

遙感

遙感圖像標(biāo)注圖

【參考文獻(xiàn)】：
期刊論文
[1]A brief introduction to weakly supervised learning[J]. Zhi-Hua Zhou.  National Science Review. 2018(01)
[2]半監(jiān)督學(xué)習(xí)方法[J]. 劉建偉,劉媛,羅雄麟.  計算機(jī)學(xué)報. 2015(08)
[3]主動學(xué)習(xí)算法綜述[J]. 劉康,錢旭,王自強(qiáng).  計算機(jī)工程與應(yīng)用. 2012(34)

碩士論文
[1]深度主動半監(jiān)督學(xué)習(xí)的目標(biāo)檢測[D]. 華佳燊.浙江大學(xué) 2019
[2]基于主動學(xué)習(xí)和半監(jiān)督學(xué)習(xí)方法的醫(yī)療實(shí)體及其修飾識別研究[D]. 王潤奇.哈爾濱工業(yè)大學(xué) 2017



本文編號：3077772