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：西安邮电大学
摘要：本发明公开了一种基于多尺度空洞卷积和注意力机制的高光谱图像分类方法，主要解决现有现有高光谱图像分类技术受网络深度影响导致分类效果不佳的问题。方案包括：1输入高光谱图像并对其进行预处理；2根据标准分类图在预处理后图像中随机选取样本并划分训练和测试集；3基于卷积神经网络和注意力机制构建包括3D多尺度残差模块、多尺度空洞卷积残差模块及新型混洗注意力机制的高光谱图像分类网络模型；4利用训练集对模型进行参数训练，得到训练好的模型；5将测试集数据输入到训练好的模型中，获取图像分类结果。本发明能够在标签样本数量较少的情况下充分提取高光谱图像的光谱特征和空间特征，有效改善网络性能，提升分类效果。
主权项：1.一种基于多尺度空洞卷积和注意力机制的高光谱图像分类方法，其特征在于，包括如下步骤：1输入原始的高光谱图像并进行预处理，得到输入大小为N×N×C的图像块；其中，N表示高光谱图像的空间维度，C表示高光谱图像的光谱维度；2根据标准分类图对预处理后的高光谱图像随机选取1％-5％的样本数据作为训练数据集，其余为测试数据集；3基于卷积神经网络和注意力机制构建高光谱图像分类网络模型，结构为：输入层→3D多尺度残差模块→Reshape操作→多尺度空洞卷积模块→注意力机制模块→全局平均池化层→Dropout模块→全连接模块→分类器→输出层；4将训练数据集作为步骤3所构建网络模型的输入，利用模型提取每个训练样本的光谱和空间特征，通过将输入图像传入模型进行前向传播，得到模型的预测结果，然后计算预测结果与真实标签之间的误差，并通过反向传播算法更新模型参数实现优化，最终得到训练好的网络模型；5将测试数据集输入到训练好的网络模型中，得到测试数据的预测分类结果；6在预测结果图像上，利用多个不同颜色作为基色，分别对预测图像中的各个类别进行上色，得到最终分类结果图并输出。
全文数据：
权利要求：
百度查询： 西安邮电大学 基于多尺度空洞卷积和注意力机制的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