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：安徽师范大学;滁州学院

摘要：本发明属于遥感影像技术领域，公开了基于双流注意力机制的半监督农作物识别方法，包括：S1、进行数据准备，将预处理后的遥感影像划定标记比例，对有标签数据集进行标记生成对应的有标签数据；S2、构建双流注意力机制半监督的分类模型，并设置参数；S3、对双流注意力机制半监督的分类模型输入测试集中的遥感影像进行处理，利用相应的损失函数完成训练；S4、基于训练后的分类模型对采集的遥感影像进行处理实现对农作物的识别。本发明在省去了大量的数据标记，也提高对农作物分类的准确性和泛用性。

主权项：1.基于双流注意力机制的半监督农作物识别方法，其特征在于：包括下列步骤：S1、进行数据准备，将预处理后的遥感影像划定标记比例，对有标签数据集进行标记生成对应的有标签数据；S2、构建双流注意力机制半监督的分类模型，并设置参数；所述分类模型包括有监督部分和无监督部分，有监督部分和无监督部分采用相同的弱增强模块，所述无监督部分还包括至少两种强增强模块，在有监督部分，有标签图片通过弱增强模块处理得到第一弱增强结果，在无监督部分，无标签图片通过弱增强模块处理得到第二弱增强结果，之后再分别通过不同的强增强模块处理得到对应的强增强结果，所述分类模型具有两个特征提取网络，分别用于对弱增强结果和强增强结果进行特征提取得到相应的预测结果；S3、对双流注意力机制半监督的分类模型输入测试集中的遥感影像进行处理，利用相应的损失函数完成训练；在训练阶段所述分类模型还设置有伪标签强增强模块和置信度过滤器，伪标签强增强模块依据不同种类强增强模块的强增强方式对无监督部分的弱增强结果的预测结果进行对应的强增强处理，并将所得结果输入置信度过滤器以获取置信度高于阈值的预测结果，进而形成相应的伪标签；在无监督部分利用强增强结果的预测结果和对应的伪标签采用交叉熵损失函数优化模型，在有监督部分利用弱增强结果的预测结果和步骤S1生成的人工标签采用交叉熵损失函数优化模型；S4、基于训练后的分类模型对采集的遥感影像进行处理实现对农作物的识别。

全文数据：

权利要求：

百度查询： 安徽师范大学 滁州学院 基于双流注意力机制的半监督农作物识别方法