本公開涉及人工智能，尤其涉及一種遙感圖像的實(shí)例分割方法、裝置和電子設(shè)備。

背景技術(shù)：

1、遙感圖像實(shí)例分割具有重要意義，遙感圖像的實(shí)例分割結(jié)果對地球觀測、環(huán)境監(jiān)測、城市規(guī)劃等多個領(lǐng)域具有廣泛的應(yīng)用和深遠(yuǎn)的影響，相關(guān)技術(shù)中，主要基于卷積神經(jīng)網(wǎng)絡(luò)(convolutional?neural?networks，簡稱cnn)和transformer進(jìn)行遙感圖像的實(shí)例分割，然而，基于cnn通常利用局部感受野，往往較難捕捉到遙感圖像的全局情境，基于transformer計(jì)算復(fù)雜度隨著輸入圖像尺寸的增加呈平方而增長，導(dǎo)致計(jì)算資源消耗巨大，且推理效率較低，由此，如何提高遙感圖像的實(shí)例分割的準(zhǔn)確性和高效性已成為亟待解決的問題。

技術(shù)實(shí)現(xiàn)思路

1、本公開提供一種遙感圖像的實(shí)例分割方法、裝置和電子設(shè)備，以至少解決相關(guān)技術(shù)中的遙感圖像的實(shí)例分割結(jié)果準(zhǔn)確性和效率較低的問題。

2、本公開的技術(shù)方案如下：

3、根據(jù)本公開實(shí)施例的第一方面，提供一種遙感圖像的實(shí)例分割方法，方法包括：獲取待處理的遙感圖像；將所述遙感圖像輸入至圖像實(shí)例分割模型的特征提取骨干網(wǎng)絡(luò)中，以獲取所述特征提取骨干網(wǎng)絡(luò)輸出的遙感圖像特征圖；將所述遙感圖像特征圖輸入至所述圖像實(shí)例分割模型的圖像實(shí)例分割網(wǎng)絡(luò)中，以獲取所述圖像實(shí)例分割網(wǎng)絡(luò)輸出的遙感圖像的實(shí)例分割結(jié)果。

4、根據(jù)本公開實(shí)施例的第二方面，提供一種遙感圖像的實(shí)例分割裝置，包括：獲取模塊，用于獲取待處理的遙感圖像；第一處理模塊，用于將所述遙感圖像輸入至圖像實(shí)例分割模型的特征提取骨干網(wǎng)絡(luò)中，以獲取所述特征提取骨干網(wǎng)絡(luò)輸出的遙感圖像特征圖，其中，所述特征提取骨干網(wǎng)絡(luò)包括分塊嵌入層和多個mamba模塊；第二處理模塊，用于將所述遙感圖像特征圖輸入至所述圖像實(shí)例分割模型的圖像實(shí)例分割網(wǎng)絡(luò)中，以獲取所述圖像實(shí)例分割網(wǎng)絡(luò)輸出的遙感圖像的實(shí)例分割結(jié)果。

5、根據(jù)本公開實(shí)施例的第三方面，提供一種電子設(shè)備，包括：處理器；用于存儲所述處理器的可執(zhí)行指令的存儲器；其中，所述處理器被配置為執(zhí)行所述指令，以實(shí)現(xiàn)如本公開實(shí)施例第一方面所述的遙感圖像的實(shí)例分割方法。

6、根據(jù)本公開實(shí)施例的第四方面，提供一種計(jì)算機(jī)可讀存儲介質(zhì)，當(dāng)所述計(jì)算機(jī)可讀存儲介質(zhì)中的指令由電子設(shè)備的處理器執(zhí)行時(shí)，使得電子設(shè)備能夠執(zhí)行如本公開實(shí)施例第一方面所述的遙感圖像的實(shí)例分割方法。

7、本公開的實(shí)施例提供的技術(shù)方案至少帶來以下有益效果：

8、本公開實(shí)施例，通過獲取待處理的遙感圖像，將遙感圖像輸入至圖像實(shí)例分割模型的特征提取骨干網(wǎng)絡(luò)中，以獲取特征提取骨干網(wǎng)絡(luò)輸出的遙感圖像特征圖，并將遙感圖像特征圖輸入至圖像實(shí)例分割模型的圖像實(shí)例分割網(wǎng)絡(luò)中，以獲取圖像實(shí)例分割網(wǎng)絡(luò)輸出的遙感圖像的實(shí)例分割結(jié)果，由此，本公開通過分塊嵌入層和多個mamba模塊進(jìn)行構(gòu)建特征提取骨干網(wǎng)絡(luò)，特征提取骨干網(wǎng)絡(luò)能夠同時(shí)具備全局情境建模能力和線性時(shí)間復(fù)雜度，提高了獲取遙感圖像特征圖的準(zhǔn)確性和可靠性，從而提高了獲取遙感圖像的實(shí)例分割結(jié)果的準(zhǔn)確性和高效性。

9、應(yīng)當(dāng)理解的是，以上的一般描述和后文的細(xì)節(jié)描述僅是示例性和解釋性的，并不能限制本公開。

技術(shù)特征：

1.一種遙感圖像的實(shí)例分割方法，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，所述將所述遙感圖像輸入至圖像實(shí)例分割模型的特征提取骨干網(wǎng)絡(luò)中，以獲取所述特征提取骨干網(wǎng)絡(luò)輸出的遙感圖像特征圖，包括：

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述每個mamba模塊包括第一線性層、第二線性層、深度卷積層、第一激活層、第二激活層、多狀態(tài)空間子模塊、gate模塊、第三線性層和下采樣層，所述由首位mamba模塊對所述嵌入向量序列進(jìn)行特征提取，獲取第一遙感圖像特征圖，包括：

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述將所述第二特征向量輸入至所述多狀態(tài)空間子模塊，以獲取每個狀態(tài)空間子模塊輸出的第三特征向量，包括：

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，若所述目標(biāo)掃描策略為旋轉(zhuǎn)可變掃描策略和翻轉(zhuǎn)旋轉(zhuǎn)可變掃描策略，所述按照所述目標(biāo)掃描策略，獲取所述每個狀態(tài)空間子模塊輸出的第四圖像特征向量，包括：

6.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述將所述第三特征向量輸入至所述gate模塊中進(jìn)行融合，以獲取所述gate模塊輸出的融合特征向量，包括：

7.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述將所述遙感圖像特征圖輸入至所述圖像實(shí)例分割模型的圖像實(shí)例分割網(wǎng)絡(luò)中，以獲取所述圖像實(shí)例分割網(wǎng)絡(luò)輸出的遙感圖像的實(shí)例分割結(jié)果，包括：

8.根據(jù)權(quán)利要求1-7中任一項(xiàng)所述的方法，其特征在于，所述圖像實(shí)例分割模型的訓(xùn)練過程，包括：

9.根據(jù)權(quán)利要求8所述的方法，其特征在于，所述根據(jù)所述訓(xùn)練樣本對初始圖像實(shí)例分割模型進(jìn)行訓(xùn)練，以獲取訓(xùn)練完成的圖像實(shí)例分割模型，包括：

10.根據(jù)權(quán)利要求9所述的方法，其特征在于，所述獲取所述邊界框回歸正弦損失函數(shù)，包括：

11.一種遙感圖像的實(shí)例分割裝置，其特征在于，所述裝置，包括：

12.一種電子設(shè)備，其特征在于，包括：至少一個處理器；以及與所述至少一個處理器通信連接的存儲器；

13.一種存儲有計(jì)算機(jī)指令的非瞬時(shí)計(jì)算機(jī)可讀存儲介質(zhì)，其特征在于，其中，所述計(jì)算機(jī)指令用于使所述計(jì)算機(jī)執(zhí)行權(quán)利要求1-10中任一項(xiàng)所述的方法。

14.一種計(jì)算機(jī)程序產(chǎn)品，其特征在于，包括計(jì)算機(jī)程序，所述計(jì)算機(jī)程序在被處理器執(zhí)行時(shí)實(shí)現(xiàn)根據(jù)權(quán)利要求1-10中任一項(xiàng)所述方法的步驟。

技術(shù)總結(jié)
本公開關(guān)于一種遙感圖像的實(shí)例分割方法、裝置和電子設(shè)備，包括：獲取待處理的遙感圖像；將所述遙感圖像輸入至圖像實(shí)例分割模型的特征提取骨干網(wǎng)絡(luò)中，以獲取所述特征提取骨干網(wǎng)絡(luò)輸出的遙感圖像特征圖，其中，所述特征提取骨干網(wǎng)絡(luò)包括分塊嵌入層和多個Mamba模塊；將所述遙感圖像特征圖輸入至所述圖像實(shí)例分割模型的圖像實(shí)例分割網(wǎng)絡(luò)中，以獲取所述圖像實(shí)例分割網(wǎng)絡(luò)輸出的遙感圖像的實(shí)例分割結(jié)果，由此，本公開通過分塊嵌入層和多個Mamba模塊進(jìn)行構(gòu)建特征提取骨干網(wǎng)絡(luò)，特征提取骨干網(wǎng)絡(luò)能夠同時(shí)具備全局情境建模能力和線性時(shí)間復(fù)雜度，提高了獲取遙感圖像特征圖的準(zhǔn)確性和可靠性，從而提高了獲取遙感圖像的實(shí)例分割結(jié)果的準(zhǔn)確性和高效性。

技術(shù)研發(fā)人員：黃立威,劉艷博
受保護(hù)的技術(shù)使用者：北京市遙感信息研究所
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/9