龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：中国人民解放军63869部队
申请日：2024-05-11
公开（公告）日：2024-06-28
公开（公告）号：CN118262244A
主分类号：G06V20/10
分类号：G06V20/10;G06V10/764;G06V10/82;G06V10/58;G06V10/40;G06V10/771;G06V10/77;G06V10/80;G06N3/042;G06N3/045;G06N3/0464;G06N3/084
优先权：
专利状态码：在审-公开
法律状态：2024.06.28#公开
摘要：本发明公开一种端到端的高光谱图像分类方法、系统、设备及终端，网络模型中的光谱特征提取分支中将SLIC函数与加入光谱注意力机制的图卷积神经网络相联合，极大程度的利用了分类像素的空间上下文信息。光谱特征提取分支采用轻量级高判别力光谱特征选择模块能够有效的基于光谱维度对高光谱图像数据进行特征选择及提取。空间特征提取分支使用二维堆叠模块进行维度转换，后续的所有操作也多数基于二维卷积块。获取高光谱的局部与全局的空间信息后，使用加入正则化的Transformer网络从全局方向上进行特征提取与融合，将两个多头注意力机制层提取到的特征信息进行了融合并联合使用交叉熵损失函数得到损失，梯度回传更新权重，以解决特征传播能力退化的问题。
主权项：1.一种端到端的高光谱图像分类方法，其特征在于，包括以下步骤：获取高光谱图像数据集，并对高光谱图像数据集进行预处理；构建包括光谱特征提取分支和空间特征提取分支的网络模型，所述光谱特征提取分支包括图像划分模块、加入光谱注意力机制的图卷积网络模块、轻量级高判别力光谱特征选择模块；所述空间特征提取分支包括二维堆叠模块、空间注意力模块、Transformer模块、特征处理模块，最后通过多层感知模块分类；将预处理的高光谱图像数据集输入到网络模型中训练；获取训练权重值；选择损失函数，设定训练损失阈值，不断迭代优化网络模型，直到训练次数达到设定阈值或损失函数的值达到设定阈值范围；使用高光谱图像分类效果评价指标衡量网络模型的分类精度和性能；使用高光谱图像数据集对网络模型进行训练和微调，优化模型参数。
全文数据：
权利要求：
百度查询： 中国人民解放军63869部队 一种端到端的高光谱图像分类方法、系统、设备及终端
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号