申请/专利权人：桂林电子科技大学;南宁桂电电子科技研究院有限公司

申请日：2023-12-22

公开（公告）日：2024-03-22

公开（公告）号：CN117746145A

主分类号：G06V10/764

分类号：G06V10/764;G06V20/10;G06V10/77;G06V10/82;G06V10/80;G06V10/58;G06V10/40;G06N3/045;G06N3/0464;G06N3/084

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.09#实质审查的生效;2024.03.22#公开

摘要：本发明涉及遥感图像处理与应用技术领域，具体涉及一种基于卷积神经网络与注意力机制的融合模型分类方法，提出一种用于高光谱图像分类的多分支特征融合以及注意力机制的分类模型，模型中的三维卷积操作能够利用不同尺度的卷积核和滤波器数量，从不同程度的光谱和空间维度中提取特征；并且采用多分支特征融合结构，对从不同分支提取的特征进行集成。通过使用连接函数将从各个分支中提取的特征连接起来，可以更全面地补充网络特征，同时加入了注意力机制模块，结合通道注意力和空间注意力，增强模型对关键特征的感知能力，提高模型的表达能力和泛化能力，提高模型的表达能力和泛化能力。

主权项：1.一种基于卷积神经网络与注意力机制的融合模型分类方法，其特征在于，包括下列步骤：步骤1：下载和读取高光谱遥感数据集，获取高维数据；步骤2：采用PCA方法对高维数据进行降维；步骤3：根据输入模型尺寸的大小将降维后的数据进行预处理，之后将其分割为各个数据块；步骤4：将数据和标签按每类地物样本数量比例划分为训练集、验证集与测试集；步骤5：将训练集输入到一个多分支特征融合的卷积神经网络中训练，所述卷积神经网络采用注意力机制获得融合模型，同时验证集在每个历元训练完成之后输入到所述融合模型中进行验证；步骤6：训练完成后，加载训练好的融合模型并输入测试集进行预测，得到测试集的分类精度和分类结果图。

全文数据：

权利要求：

百度查询： 桂林电子科技大学;南宁桂电电子科技研究院有限公司 一种基于卷积神经网络与注意力机制的融合模型分类方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD