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！

龙图腾网获悉海南大学申请的专利基于CNN和Dual-Swin-Transformer融合网络的高光谱图像精确分类方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119888329B 。

龙图腾网通过国家知识产权局官网在2025-11-25发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411949888.3，技术领域涉及：G06V10/764；该发明授权基于CNN和Dual-Swin-Transformer融合网络的高光谱图像精确分类方法是由尤佳;李德凯;黄梦醒;毋媛媛;冯思玲;张雨设计研发完成，并于2024-12-27向国家知识产权局提交的专利申请。

本基于CNN和Dual-Swin-Transformer融合网络的高光谱图像精确分类方法在说明书摘要公布了：本发明公开了基于CNN和Dual‑Swin‑Transformer融合网络的高光谱图像精确分类方法，具体按照以下步骤实施：步骤1、利用改进的CNN网络对高光谱图像进行降维和提取光谱特征；步骤2、利用Dual‑Swin‑Transformer模型提取空间特征信息；步骤3、对光谱‑空间信息进行融合，得到分类结果。本发明解决了现有技术中存在的当前HSIC中，HSI的高维度问题难以解决和光谱‑空间特征难以有效、均衡的融合的问题。

本发明授权基于CNN和Dual-Swin-Transformer融合网络的高光谱图像精确分类方法在权利要求书中公布了：1.基于CNN和Dual-Swin-Transformer融合网络的高光谱图像分类方法，其特征在于，具体按照以下步骤实施： 步骤1、利用改进的CNN网络对高光谱图像进行降维和提取光谱特征； 采用全局平均聚合法进行降维，首先，将输入的高光谱数据采用第一一维卷积层进行处理，生成特征图，如公式1所示： 1 其中，是输出序列，i是位置索引，f是经过第一一维卷积层的输出特征图的通道索引；是权重矩阵，是输入序列，L是输入序列的序列长度，C为输入通道数量，K为内核大小，为每个滤波器的偏置； 如公式2所示，通过选择每个池化窗口内的最大值，应用最大池化层对特征图进行向下采样： 2 其中，表示池化后的输出特征图，i是池化操作后的位置索引；表示在ReLU激活后生成的特征图值，p是池化大小； 如公式3所示，在最大池化层之后，使用带有更多滤波器的第二一维卷积层进行处理： 3 其中，表示卷积层输出特征图的值，位置索引为i且经过第二一维卷积层的输出特征图的通道索引为，为权重矩阵，为偏置项，为内核大小； 最后，应用平均汇集层计算每个特征图在序列维度上的平均值，详细计算方法见公式4： 4 表示在通道上经过平均池化后的输出值；是序列长度； 步骤2、利用Dual-Swin-Transformer模型提取空间特征信息； 所述步骤2具体按照以下步骤实施： 步骤2.1、将经步骤1CNN处理后的特征输入LayerNorm； 步骤2.2、引入多头注意力机制，让网络能够处理不同尺度的特征； 步骤2.3、在多头注意力机制后加入MLP，用于整合空间特征； 所述步骤2.3包括以下步骤： 在注意力机制之后，输出通过一个前馈网络FFN，该网络由两个全连接层组成，中间有一个GELU激活函数，GELU是一种平滑的非线性激活函数； 步骤2.4、MLP之后引入残差连接，降低模型的计算复杂度； 步骤3、对光谱-空间信息进行融合，得到分类结果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人海南大学，其通讯地址为：570228 海南省海口市美兰区人民大道58号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。