本发明专利技术涉及人工智能技术领域，具体提供一种无人机航拍图像处理方法、系统、设备及存储介质，包括：获取航拍图像，并为所述航拍图像生成标签后将带有标签的航拍图像保存至样本集合；利用生成器模型为样本集合中的航拍图像生成校验标签，并利用判别器模型生成所述校验标签的损失值，基于所述校验标签及损失值为航拍图像的原标签进行修正；基于修正后的航拍图像标签，统计各类标签的数量，将数量达不到预设的数量阈值的标签类别标记为待扩充标签类别；为待扩充标签类别的航拍图像生成图像副本，并将原航拍图像的标签设置为相应图像副本的标签，为所述图像副本转换图像风格。本发明专利技术实现了无人机数据质量的优化。
【技术实现步骤摘要】
本专利技术属于人工智能，具体涉及一种无人机航拍图像处理方法、系统、设备及存储介质。
技术介绍
1、近年来，随着人工智能技术的快速发展，无人机技术已经在农业监测、环境调查、物流配送、灾害救援、影视拍摄等多个领域内得到了广泛应用和发展。无人机以其独特的灵活性和多功能性，通过搭载各种先进的传感器和高分辨率相机，能够高效地收集大量的图像和视频数据，为后续的数据分析和决策支持提供了宝贵的资源。
2、然而，在实际应用中，无人机采集的数据往往会遇到一系列的质量问题，这些问题直接影响了后续的数据处理和机器学习模型的性能。最突出的问题之一是数据噪声，尤其是标签噪声——即在标注数据过程中出现的错误或不一致性。除了标签噪声之外，无人机采集的数据还可能面临类别不平衡的问题。这意味着某些类别的数据样本数量远多于其他类别。这种不平衡性会导致机器学习模型偏向于多数类别，而忽视少数类别的情况，进而影响模型的整体泛化能力。另外，由于无人机通常在不同的地理位置和环境中工作，它们采集的数据在统计特征上可能存在显著差异。这种数据的异构性会使得模型在训练时难以捕捉到所有类别的共性特征，从而影响模型的泛化能力和鲁棒性。
技术实现思路
1、针对现有技术的上述不足，本专利技术提供一种无人机航拍图像处理方法、系统、设备及存储介质，以解决上述技术问题。
2、第一方面，本专利技术提供一种无人机航拍图像处理方法，包括：
3、获取航拍图像，并为所述航拍图像生成标签后将带有标签的航拍图像保存至样本集合；</p>4、利用生成器模型为样本集合中的航拍图像生成校验标签，并利用判别器模型生成所述校验标签的损失值，基于所述校验标签及损失值为航拍图像的原标签进行修正；
5、基于修正后的航拍图像标签，统计各类标签的数量，将数量达不到预设的数量阈值的标签类别标记为待扩充标签类别；
6、为待扩充标签类别的航拍图像生成图像副本，并将原航拍图像的标签设置为相应图像副本的标签，为所述图像副本转换图像风格。
7、在一个可选的实施方式中，获取航拍图像，并为所述航拍图像生成标签后将带有标签的航拍图像保存至样本集合，包括：
8、监控航拍图像的存储文件的更新情况，并基于所述更新情况从存储文件提取更新的航拍图像；
9、利用标注工具为提取的航拍图像生成标签，并将带有标签的航拍图像保存至样本集合。
10、在一个可选的实施方式中，利用生成器模型为样本集合中的航拍图像生成校验标签，并利用判别器模型生成所述校验标签的损失值，基于所述校验标签及损失值为航拍图像的原标签进行修正，包括：
11、利用生成器模型为航拍图像生成校验标签，所述生成器模型包括图神经网络和分类器；
12、判别器模型生成所述校验标签相对于航拍图像自带标签的损失值；
13、将所有航拍图像的标签损失值作为输入特征传递给高斯混合模型，以识别损失值的潜在分布模型，每一个分布代表一种数据类别；
14、根据损失值对标签进行软分类，生成软分类标签；
15、计算各个高斯分布的平均值，并选择平均值最高的分布来标记噪声数据，以此建立噪声样本集合 ，并据此确定噪声样本在整个数据集中的比例；
16、依据预先设定的信任阈值trust和清理阈值c来决定最终需要重新标记的航拍图像，将需要重新标记的航拍图像的标签更新为对应的校验标签。
17、在一个可选的实施方式中，判别器模型生成所述校验标签相对于航拍图像自带标签的损失值，包括：
18、将标签转换为语义向量；
19、基于预设的损失函数计算所述校验标签相对于航拍图像自带标签的损失值，所述损失函数为：
20、；
21、其中，代表第k个无人机的所有数据实例，而则代表无人机群体；
22、；
23、其中，向量
a=（a1
,a2
,…，an
），为第i张航拍图像的校验标签的语义向量；向量
b=
（b1,b2,…，bn），为第i张航拍图像自带标签的语义向量。
24、在一个可选的实施方式中，为待扩充标签类别的航拍图像生成图像副本，并将原航拍图像的标签设置为相应图像副本的标签，为所述图像副本转换图像风格，包括：
25、为所述航拍图像生成多张图像副本；
26、分别对多种图像副本进行图像风格转换，所述图像风格转换包括旋转、缩放、模糊化处理、亮度调节、与模板图像的融合处理，所述模板图像包括下雨模板图像、下雪模板图像。
27、在一个可选的实施方式中，所述方法还包括：
28、将待训练的模型部署于多个无人机；
29、在联邦学习框架下基于预先准备的数据集对多个无人机的待训练的模型部署进行训练。
30、在一个可选的实施方式中，在联邦学习框架下基于预先准备的数据集对多个无人机的待训练的模型部署进行训练，包括：
31、服务端根据要解决的任务类型，服务器初始化模型参数，并将初始化后的模型参数分发给各个无人机；
32、服务端为参与训练的无人机分配id或标识符；
33、无人机利用接收到的模型参数，在本地数据集上进行模型训练，训练完成后，得到更新后的模型参数，打包这些更新后的参数并发送回服务器；
34、服务端接收来自所有参与训练的无人机的更新参数，并执行聚合算法以平均或加权平均的方式更新全局模型参数；
35、将聚合后的全局模型参数再次发送给无人机，开始新一轮的本地训练，多次迭代，直到满足设定的收敛条件或者迭代次数达到预定的迭代次数。
36、第二方面，本专利技术提供一种无人机航拍图像处理系统，包括：
37、图像获取模块，用于获取航拍图像，并为所述航拍图像生成标签后将带有标签的航拍图像保存至样本集合；
38、标签修正模块，用于利用生成器模型为样本集合中的航拍图像生成校验标签，并利用判别器模型生成所述校验标签的损失值，基于所述校验标签及损失值为航拍图像的原标签进行修正；
39、数量统计模块，用于基于修正后的航拍图像标签，统计各类标签的数量，将数量达不到预设的数量阈值的标签类别标记为待扩充标签类别；
40、样本扩充模块，用于为待扩充标签类别的航拍图像生成图像副本，并将原航拍图像的标签设置为相应图像副本的标签，为所述图像副本转换图像风格。
41、第三方面，提供一种设备，包括：
42、存储器，用于存储无人机航拍图像处理程序；
43、处理器，用于执行所述无人机航拍图像处理程序时实现如第一方面提供的无人机航拍图像处理方法的步骤。
44、第四方面，提供了一种计算机可读存储介质，存储介质上存储有无人机航拍图像处本文档来自技高网
...
【技术保护点】
1.一种无人机航拍图像处理方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，获取航拍图像，并为所述航拍图像生成标签后将带有标签的航拍图像保存至样本集合，包括：
3.根据权利要求1所述的方法，其特征在于，利用生成器模型为样本集合中的航拍图像生成校验标签，并利用判别器模型生成所述校验标签的损失值，基于所述校验标签及损失值为航拍图像的原标签进行修正，包括：
4.根据权利要求1所述的方法，其特征在于，判别器模型生成所述校验标签相对于航拍图像自带标签的损失值，包括：
5.根据权利要求1所述的方法，其特征在于，为待扩充标签类别的航拍图像生成图像副本，并将原航拍图像的标签设置为相应图像副本的标签，为所述图像副本转换图像风格，包括：
6.根据权利要求1所述的方法，其特征在于，所述方法还包括：
7.根据权利要求6所述的方法，其特征在于，在联邦学习框架下基于预先准备的数据集对多个无人机的待训练的模型部署进行训练，包括：
8.一种无人机航拍图像处理系统，其特征在于，包括：
9.一种设备，其特征在于，包括：
10.一种存储有计算机程序的计算机可读存储介质，其特征在于，所述可读存储介质上存储有无人机航拍图像处理程序，所述无人机航拍图像处理程序被处理器执行时实现如权利要求1-7任一项所述无人机航拍图像处理方法的步骤。
...
【技术特征摘要】
1.一种无人机航拍图像处理方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，获取航拍图像，并为所述航拍图像生成标签后将带有标签的航拍图像保存至样本集合，包括：
3.根据权利要求1所述的方法，其特征在于，利用生成器模型为样本集合中的航拍图像生成校验标签，并利用判别器模型生成所述校验标签的损失值，基于所述校验标签及损失值为航拍图像的原标签进行修正，包括：
4.根据权利要求1所述的方法，其特征在于，判别器模型生成所述校验标签相对于航拍图像自带标签的损失值，包括：
5.根据权利要求1所述的方法，其特征在于，为待扩充标签类别的航拍图像生成图像副本，并将原...
【专利技术属性】
技术研发人员：周文强，韩江涛，翟海涛，余家富，王强，魏克磊，
申请(专利权)人：浪潮智慧城市科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。