龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：西安电子科技大学
摘要：本发明公开了一种基于领域泛化的跨场景高光谱图像分类方法，主要解决现有分类方法在目标场景中分类精度低、泛化效果差的问题。包括：1构建基于卷积网络与Transformer网络的扩展域生成器；2根据扩展域数据和源域数据，引入随机化参数得到中间域数据；3构建扩展域生成器与鉴别器组成的分类模型；4利用类内监督对比损失与交叉熵损失优化生成器；5利用文本图像对齐损失、类间监督对比损失与交叉熵损失优化鉴别器；6使用训练好的模型对高光谱图像进行分类，获取最终分类结果。本发明能够充分利高光谱图像的空间光谱信息，同时从不同角度出发进行图像特征对齐，有效提高了模型对目标场景分类的泛化性能与分类精度。
主权项：1.一种基于领域泛化的跨场景高光谱图像分类方法，其特征在于，包含步骤如下：1结合卷积网络与Transformer网络，并引入特征随机化过程，构建由卷积层、线性变换层、Transformer编码层、反线性变换层以及反卷积层组成的扩展域生成器，用于生成扩展域数据；2根据扩展域数据和源域数据，同时引入随机化参数，得到作为二者过渡的中间域数据；3利用鉴别器对扩展域数据进行处理，对其输出结果计算扩展域交叉熵损失LED；同时将源域数据作为正样本，扩展域和中间域数据作为负样本，计算生成器类内监督对比损失Ladv，结合LED与Ladv构建生成器的整体损失函数Lg，用于对扩展域生成器进行优化；4利用源域、扩展域和中间域数据分别计算其对应的交叉熵损失LSD、LED、LID；将同类别作为正样本，异类别作为负样本，计算鉴别器类间监督对比损失Lsup；利用图像特征与其对应类别生成的文本特征对齐，分别计算源域、扩展域和中间域的文本图像对比损失LSDIT、LEDIT、LIDIT，结合交叉熵损失、鉴别器类间监督对比损失和文本图像对比损失构建鉴别器的整体损失函数LD，用于对鉴别器进行优化；5使用扩展域生成器与鉴别器构建分类模型，通过步骤3和4构建的损失函数分别对模型中的扩展域生成器与鉴别器进行优化，实现模型优化训练，使用训练完成的模型对目标场景进行分类，得到最终的分类结果。
全文数据：
权利要求：
百度查询： 西安电子科技大学 基于领域泛化的跨场景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。
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