申请/专利权人：四川大学

申请日：2022-12-16

公开（公告）日：2024-06-18

公开（公告）号：CN118212542A

主分类号：G06V20/13

分类号：G06V20/13;G06V10/764;G06V10/774;G06V10/82;G06N3/08;G06N3/0464

优先权：

专利状态码：在审-公开

法律状态：2024.06.18#公开

摘要：本发明提出了一种基于主从编码网络的遥感场景分类方法。已有算法并未充分结合图像级语义特征和场景级空间结构信息，因此无法解决遥感数据集中类间相似性和类内差异性较大的问题。为解决这一问题，提出了一种新颖的双编码分类模型。方法包括：通过主编码器和从属编码器分别提取高阶语义特征和低阶空间特征，其次通过辅助增强单元AEU提高从属编码器的空间上下文感知能力，以捕捉更大尺度的场景空间信息，最后设计交互感知单元IPU对高‑低阶特征进行交互式融合，提高特征的丰富度并建立长距离依赖关系，同时解决特征同质性问题，提高模型的分类精度。实验证明，该方法具有很好的实用性，可广泛应用于遥感图像场景的准确识别。

主权项：1.一种基于主从编码网络的遥感场景分类方法，其特征在于：a.通过主编码器捕捉高阶的图像级语义特征，相对低阶的目标级空间结构信息由从属编码器提取；b.通过辅助增强单元auxiliaryenhancementunit,AEU增大主编码器的感受野，从而增强从属编码器对空间上下文信息的感知能力，以捕捉更大尺度的场景空间特征；c.通过基于注意力机制的交互感知单元interactiveperceptionunit,IPU对主编码器提取的高阶特征和从属编码器提取的低阶信息进行交互式融合，提升特征的丰富度和判别性，实现对具有较大类间相似性和类内差异性的遥感场景准确分类；该方法主要包括以下步骤：1数据获取：获取用于场景分类的高分辨率遥感图像数据集；2特征提取：通过基于卷积神经网络的从属编码器提取多层级的低阶空间信息，由金字塔视觉TransformerPyramidVisualTransformer,PVT构成的主编码器则通过多头注意力机制建立长距离特征依赖关系，从而捕捉更高阶的图像级语义特征；3阶段特征融合：每阶段嵌入的AEU模块，首先消除主从编码器之间的语义鸿沟，其次扩大主编码器提取的高阶特征的感受野并建立全局语义相关性，进而增强从属编码器的空间上下文感知能力，挖掘更多的大尺度场景级空间结构特征；4特征交互融合：IPU以交互式的方式将主编码器提取的高阶语义特征和从属编码器捕捉的低阶空间特征在网络的深层进行融合，使得特征信息得到互补，提高了特征的丰富度，增强了特征的判别性；5训练模型：将1中获取的遥感数据输入至网络，添加PVT的预训练模型加快网络的拟合并从头开始训练，网络的输出即为最终的分类结果。

全文数据：

权利要求：

百度查询： 四川大学 一种基于主从编码网络的遥感场景分类方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD