申请/专利权人：东北林业大学

申请日：2021-12-09

公开（公告）日：2024-04-12

公开（公告）号：CN114202690B

主分类号：G06V20/13

分类号：G06V20/13;G06V10/764;G06V10/82;G06N3/0464;G06N3/08;G06F8/30

优先权：

专利状态码：有效-授权

法律状态：2024.04.12#授权;2022.04.05#实质审查的生效;2022.03.18#公开

摘要：本发明公开了以混合多层感知器为基础的多尺度网络分析方法，包括：MSC块和UMLP块；本发明实现了高效率的高光谱分类方法超过了以往的方法、其模型大小仅为0.185M，能很好的适用于工业的需求、能很好的将此方法应用于高光谱领域，监控森林变迁和对森林灾情如火灾等进行及时的预警作用。

主权项：1.以混合多层感知器为基础的多尺度网络分类方法，其特征在于，包括：多尺度通道MSC块和U形的多层感知器UMLP块；所述MSC块包括以下步骤：步骤一：通过混合MLP层将信道维度转换为2n“n为整数”实现了UMLP提供的适配数据；步骤二：采用具有1×1大小卷积核的卷积层来混合通道信息；步骤三：混合通道信息输出高光谱的每个像素都会形成一个类似图像的补丁；步骤四：每一行代表卷积生成的每个像素的不同特征表达，即Pixel-C；步骤五：每一列代表原始像素通道值的概括，即Gen-C；MSC包含两部分：一是用MSC提取Pixel-C的特征，类似池化操作，二是用MSC混合Gen-C信息；对于高光谱图像，其大小为H×W×C；C是光谱带的数量，H和W分别是图像的高度和宽度；随机方法将所有像素打乱并排除背景，采用随机采样每个像素；所述UMLP块包括以下步骤：对于UMLP块，它分别由MixerBlock、U形解释和跳过连接模块组成；步骤一：堆叠MSC层以获得更高的感受野，输入U*,j，*在Pixel-C维度和Gen-C维度上都具有全局特征信息；步骤二：MixerBlock模块通过两个MLP层混合两个方向的语义信息，然后通过一个MLP降维提取Pixel-C维度特征。

全文数据：

权利要求：

百度查询： 东北林业大学 以混合多层感知器为基础的多尺度网络分析方法

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