申请/专利权人:南京信息工程大学
申请日:2024-05-29
公开(公告)日:2024-06-25
公开(公告)号:CN118247588A
主分类号:G06V10/764
分类号:G06V10/764;G06V10/82;G06V20/10;G06V10/58;G06V10/77;G06N3/0455;G06N3/0464;G06N3/082
优先权:
专利状态码:在审-公开
法律状态:2024.06.25#公开
摘要:本发明公开了一种基于多尺度特征注意力的高光谱图像分类方法,包括以下步骤:(1)获取高光谱图像数据并进行预处理;(2)构建基于MSAM‑Net高光谱图像网络并进行训练,包括:基于多尺度CNN的高光谱图像特征提取模块、多尺度特征增强的金字塔挤压注意力机制模块、基于自注意力机制的Transformer编码特征学习模块;(3)将步骤(2)得到的结果输入基于softmax函数的线性分类器,以获取最终的类别信息;本发明设计了轻量化分类网络MSAM‑Net,减少了基于卷积神经网络和基于Transformer方法的计算成本,提升了模型的计算效率和分类性能;能够充分学习和处理高光谱图像中丰富的光谱和空间特征。
主权项:1.一种基于多尺度特征注意力的高光谱图像分类方法,其特征在于,包括以下步骤:(1)获取高光谱图像数据并进行预处理;(2)构建基于MSAM-Net高光谱图像网络并进行训练,包括:基于多尺度CNN的高光谱图像特征提取模块、多尺度特征增强的金字塔挤压注意力机制模块、基于自注意力机制的Transformer编码特征学习模块;(3)将步骤(2)得到的结果输入基于softmax函数的线性分类器,以获取最终的类别信息。
全文数据:
权利要求:
百度查询: 南京信息工程大学 一种基于多尺度特征注意力的高光谱图像分类方法
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。