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：西安建筑科技大学
摘要：基于双分支Transformer的小样本高光谱图像分类方法，包括以下步骤；步骤1，将无标记的高光谱图像数据分别输入到两个不同的掩码自编码模块：基于图卷积的掩码自编码模块GMA和基于主成分分析的掩码自编码模块PMA，之后进行无监督预训练；步骤2，将步骤1中预训练后的GMA和PMA的编码部分作为特征提取器，纳入设计好的对比框架中继续进行预训练，以进一步加强特征的判别性；步骤3，提取步骤2中预训练好的模型，将高光谱图像输入到预训练好的模型中，并获取特征；步骤4，将步骤3中获取的特征输入到分类器支持向量机SVM中，经由SVM，输出预测分类结果，实现地物的精确分类。本发明将基于图卷积的波段选择融入视图构造中，缓解了无关波段的影响。
主权项：1.基于双分支Transformer的小样本高光谱图像分类方法，其特征在于，包括以下步骤；步骤1，获取航空器采集的高光谱图像数据X∈RH×W×C和对应标注Y∈RH×W，将无标记的高光谱图像数据分别输入到两个不同的掩码自编码模块：基于图卷积的掩码自编码模块GMA和基于主成分分析的掩码自编码模块PMA，之后进行无监督预训练；步骤2，将步骤1中预训练后的GMA和PMA的编码部分作为特征提取器，纳入设计好的对比框架中继续进行预训练；步骤3，提取步骤2中预训练好的模型，将高光谱图像输入到预训练好的模型中，并获取特征；步骤4，将步骤3中获取的特征输入到分类器支持向量机SVM中，其中，每类地物使用5个标记样本作为下游微调数据，输入到SVM中，并通过4倍交叉验证来确定SVM分类器的最优超平面参数，经由SVM，输出预测分类结果，实现地物的精确分类。
全文数据：
权利要求：
百度查询： 西安建筑科技大学 基于双分支Transformer的小样本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