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！

摘要：本发明公开了一种面向跨地域光谱图像地物分类的可反转双路卷积方法，属于光谱图像地物分类技术领域。本发明方法将一种独特的可反转双路卷积架构融入卷积神经网络模型中，实现了对源域与目标域数据的高效且低内存需求的深度特征提取能力。进一步地，为了缩小源域与目标域之间的特征差异，本发明构建了一种基于最大平均差异的损失函数，旨在对齐两域间的特征分布，从而增强模型对目标域数据的泛化能力。同时，针对双路径卷积神经网络，构建了预测损失函数，确保模型对源域样本保持高度的预测准确性和可靠性。通过将上述两种损失函数融合为总损失函数，并以此为指导，不断优化更新网络模型的参数。最终，当模型训练成熟后，将目标域数据送入训练好的网络模型中，以获得目标域数据集的分类标签。在公开跨地域光谱数据集上的实施结果表明，本发明方法相较于现有方法，计算效率更高，内存需求更低，同时分类性能也更有竞争力。

主权项：1.面向跨地域光谱图像地物分类的可反转双路卷积方法，其特征在于，所述方法包括步骤：S110.初始化一个卷积神经网络模型，随后加载源域数据集，并对加载数据进行规范化操作；S120.应用两个不同的线性层，将数据映射至隐藏维度空间，分别构造出向前路径Xpre和向后路径Xnext；S130.应用反转函数对向后路径Xnext进行反转得到Xnext_reversed；S140.对Xpre和Xnext_reversed进行卷积操作，并应用激活函数得到激活后的数据Xpositive和Xnegative；S150.使用双曲正切激活函数来改进卷积输出；S160.沿谱维对两条路径的卷积输出做平均值处理，并按元素顺序求和，得到源域光谱图像特征输出；S170.加载目标域数据，并对其进行与源域数据相同的处理S120-S160，得到目标域光谱图像特征输出；S180.对源域光谱图像特征和目标域光谱图像特征构建最大平均差异损失函数，对双路CNN构建CNN预测损失函数，合并以上损失函数得到总损失函数；S190.最小化总损失函数从而更新网络模型参数；S200.使用训练好的网络模型对目标域进行分类，获得目标域数据集的分类标签；所述S110中，加载源域数据集，包含人工标注了地物类别标签的源域数据，并对源域数据进行数据规范化操作，步骤可以表示如下：normXs＝X其中，norm.表示数据规范化操作，Xs表示输入的源域数据；所述S120中，应用两个不同的线性层，将数据映射至隐藏维度空间，分别构造出向前路径和向后路径，步骤可以表示如下：linear1X＝Xprelinear2X＝Xnext其中，linear1.和linear2.表示两个不同的线性层，Xpre表示向前路径，Xnext表示向后路径；所述S130中，使用反转函数对向后路径Xnext进行反转得到Xnext_reversed，步骤可以表示如下：linear_reversedXnext＝Xnext_reversed其中，linear1_reversed.表示线性反转层；所述S140中，对两个方向的数据应用卷积操作和sigmoid激活函数，并得到激活后的数据，步骤可以表示如下：sigmoidforwardconv1dXpre＝Xpositivesigmoidforwardconv1dXnext_revesed＝Xnegative其中，Xpositive表示向前路径的激活数据，Xnegative表示向后路径的激活数据；所述S150中，使用双曲正切激活函数来改进两个路径卷积输出，步骤可以表示如下：tanhXpositive＝Xpositive_outputtanhXnegative＝Xnegative_output其中，Xpositive_output表示向前路径的卷积输出，Xnegative_output表示向后路径的卷积输出；所述S160中，沿谱维对两条路径的卷积输出做平均值处理，并按元素顺序求和，得到源域光谱图像特征输出，步骤可以表示如下： 其中，mean.表示对张量进行平均值处理，表示源域光谱图像的特征；所述S170中，加载源域数据集，包含没有地物类别标签待分类的目标域数据，对其进行与源域数据相同的处理S120-S160，得到目标域光谱图像的特征输出，步骤可以表示如下： 其中，Xt表示输入的目标域数据，表示目标域光谱图像的特征；所述S180中，对源域光谱图像特征和目标域光谱图像特征构建最大平均差异MMD损失函数，对双路CNN构建CNN预测损失函数，并合并以上损失函数得到总损失函数，步骤可以表示如下： 其中，ns和nt表示源域和目标域的样本数量，ys和yt表示源域和目标域的样本特征，r.表示核函数； 其中，Ys表示源域数据标签，S.表示网络模型对输入的预测输出； 所述S190中，最小化总损失函数来更新网络模型的参数，最终在S200中使用训练好的网络模型对目标域进行分类，获得目标域数据集的分类标签。

全文数据：

权利要求：

百度查询： 哈尔滨理工大学 面向跨地域光谱图像地物分类的可反转双路卷积方法