申请/专利权人：四川九锐锋智能科技有限公司

申请日：2024-04-10

公开（公告）日：2024-06-28

公开（公告）号：CN118015387B

主分类号：G06V10/764

分类号：G06V10/764;G06V20/10;G06V10/82;G06V10/80;G06N3/0455;G06N3/0442;G06N3/0464;G06N3/082

优先权：

专利状态码：有效-授权

法律状态：2024.06.28#授权;2024.05.28#实质审查的生效;2024.05.10#公开

摘要：本发明涉及一种遥感图像相关信息分类的方法，包括以下步骤：采集含有遥感图像功能分类的图像和客户访问记录信息并标注，形成遥感图像数据集和客户访问记录数据集；将遥感图像数据集分别输入到FBResNet152和CNN‑BiLSTM‑LocalAttention网络，得到视觉信息特征；从访客记录数据集分别提取访客时间特征和访客历史行为特征，访客时间特征通过TF‑IDFVector提取特征，输入MLP模型，得到访客访问特征；访客历史行为特征通过CountVector提取特征，输入GBDT模型，得到访问特征；使用Ｃoncatenation将视觉信息特征和访客访问特征合并成新的特征，输入MLP模型分类预测。本方案采用的多模态输入，多模型融合和构建特有的stacking架构，使访客访问特征能很好弥补视觉信息特征的不足，充分提取和计算这些特征信息并提高了分类精确度。

主权项：1.一种遥感图像相关信息分类的方法，其特征在于：包括以下步骤：步骤1，采集含有遥感图像功能分类的图像和客户访问记录信息并标注，形成遥感图像数据集和客户访问记录数据集；步骤2，将遥感图像数据集分别输入到FBResNet152和CNN-BiLSTM-LocalAttention网络，得到视觉信息特征；其中包括：输入到FBResNet152得到视觉特征包括使用残差结构提取特征和使用一种基于自适应遗传算法的迭代过程的训练策略搜索，其中堆叠网络层的期望映射为Hx＝Fx+x，Fx为原本网络的非线性映射，x为网络输入；输入到CNN-BiLSTM-LocalAttention网络得到视觉信息特征包括利用CNN的卷积、归一、池化、局部卷积、Dropout和参数共享特性自动提取抽象信息，然后输入到BiLSTM-LocalAttention自动提取抽象信息，其中局部关注得到特征LD的计算公式为：LD＝αPWConv1δαPWConv2D这里D为x和y初始向量积分，D＝x*y，其中*表示初始特征积分，x和y是两个输入，卷积核操作PWConv1和PWConv2分别为和和C分别为过滤器个数和卷积核尺寸，1×1为步长1,1，α为批量归一化，δ为激活函数；输入到FBResNet152得到视觉特征和输入到CNN-BiLSTM-LocalAttention网络得到视觉信息特征，合并构成新的视觉信息特征；步骤3，从访客记录数据集分别提取访客时间特征和访客历史行为特征，访客时间特征通过TF-IDFVector提取特征，输入MLP模型，得到访客访问特征A，即为新的访客时间特征；访客历史行为特征通过CountVector提取特征，输入GBDT模型，得到访客访问特征B，即为新的访客历史行为特征；新的访客时间特征和新的访客历史行为特征合并构成访客访问特征；步骤4，使用Concatenation将视觉信息特征和访客访问特征合并成新的特征，输入MLP模型分类预测。

全文数据：

权利要求：

百度查询： 四川九锐锋智能科技有限公司 一种遥感图像相关信息分类的方法

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