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语义感知与动态图卷积的遥感场景分类方法及系统，构建基于深度残差网络的特征金字塔完成特征的初步提取，获得特征F；构建自适应语义识别模块，通过语义识别获得特征F的区域索引I；根据特征F，利用区域索引I与特征F构造图节点，基于动态图卷积的特征信息捕捉网络，获得全局性特征F*；利用全局性特征F*实现遥感图像的场景分类，本发明具有更稳定且精确的分类性能。
主权项：1.基于语义感知与动态图卷积的遥感场景分类方法，其特征在于，包括以下步骤：S1、构建基于深度残差网络的特征金字塔完成特征的初步提取，获得特征F；S2、构建自适应语义识别模块，通过语义识别获得特征F的区域索引I；S3、根据步骤S1获取的特征F，利用步骤S2所得的区域索引I与特征F构造图节点，基于动态图卷积的特征信息捕捉网络，获得全局性特征F*，具体为：将特征F分为Nr个区域，在通道内计算区域内特征的均值或最大值计算得到中心特征，利用中心特征表示每个区域作为一个图节点，得到所有区域的中心特征的图节点集合Fg，根据图卷积理论构造邻接矩阵A，采用构造的图节点集合Fg、A、W构造更新特征F的策略，W为特征的线性变换矩阵，在特征中所有的特征点都被更新完成后，特征F被更新为同时包含局部与全局信息的特征，获得全局性特征F*；更新特征F中每一个像素为： 其中，fi为原始特征的像素，σ·表示激活函数，Aj表示邻接矩阵A的第j行，xi表示第i个图节点；邻接矩阵A构造如下： 其中，Υ是一个超参数，xi,xj代表两个图节点，D·是一个距离度量函数，Aij为邻接矩阵的第i行第j列的值；S4、利用步骤S3获得的全局性特征F*实现遥感图像的场景分类。
全文数据：
权利要求：
百度查询： 西安电子科技大学 基于语义感知与动态图卷积的遥感场景分类方法及系统
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